算法设计第十三章 随机算法 randomed algorithm2

---

1 Boom filter

1.1介绍

• 一种数据结构，管理一个集合，只支持查找与增加。
• 不支持删除操作导致可以用更少的内存与hash table（散列表）相比
• 假阳：实际不存在，查出存在。假阴：实际存在，查出不存在
• boom filter 是近似的。假阳低概率，假阴几乎不存在。

1.2算法过程：

• A为长度为m的数组，初始化全为0。k个独立的哈希函数$h_1,...h_k$, map keys to{1,…m}.
• 存储键$x$,设置$A[h_1(x)],A[h_2(x),...,A[h_k(x)]]$ 为1。
• 检测$A[h_1(x)],A[h_2(x),...,A[h_k(x)]]$为1，则$x$存在。否则不存在。因为没有删除功能，所以不存在 假阴的情况。
• 对与假阳的情况，分析其bound，如下。

1.3假阳的概率：

• 假设hash函数是随机的，插入n个键，$P(i=0)=(1-\frac{1}{m}{)}^{nk}\approx e^{-\frac{nk}{m}}$。
• 假阳的概率 $P(fasle-positive)=(1-P(i=0){)}^k\approx (1-e^{\frac{-nk}{m}}{)}^k$
• 最优的$k=\frac{mln(2)}{n}$
  

1.4 改进

• 增加删除功能。数组A记录个数而不是0和1.
• $S_1\cap S_2$可以通过数组减法实现。$S_1\cup S_2$可以通过加法实现。

2 String equality and fingerprinting

介绍

• database太大，在通信过程中，验证是否相等，比较database的指纹。
• 如果指纹不同，则database不同
• 如果指纹相同，则database大概率相同。

2.1 算法

• n bit 序列$(a_1,...,a_n)$和$(b_1,...b_n)$。
• 指纹$F(a)=(\sum a_i\ast 2^{i-1})mod(p)$,$F(b)=(\sum b_i\ast a{2}^{i-1})mod(p)$。只需要传输$O(logp)$bits。
• 如果$F(a)\ne F(b)$ =>$a\ne b$。$F(a)=F(b)$=>$a=b$ or $a-b$ 整除$p$。

2.2 正确性

• p增大可以减少假阳的概率，但是p增加发送比特的复杂度。
• 任意数字$t$，最多有$lo{g}_2(t)$个离散的素数因子。
• 给定$t$，小于$t$的素数个数渐进为$\frac{t}{lnt}$. Prime Number Theorem
• $a=\sum a_i\ast 2^{i-1}$,$b=\sum b_i\ast a{2}^{i-1}$ =>$a-b<2^n$=>小于$n$个素数因子。
• $t=n^{2}ln(n)$,小于素数个数为$O(n^2)$,p是从小于t的质数中随机选的。假阳的概率$\le \frac{n}{O(n^2)}=O(\frac{1}{n})$。

3 字符串匹配

3.1

方法与第二节类似，蒙特卡罗法与拉斯维加斯算法。

• $X=x_1{x}_2...x_n$ $X(j)=x_j{x}_{j+1}...x_{j+m-1}$。
  
• 关键在于设计$p$，与第二节类似。$t=n^{2}log(n^{2}m)$ 假阳概率$\frac{m}{n^{2}m}=\frac{1}{n^2}$。 进行$n-m+1$次，$O(\frac{1}{n})$。

3.2

拉斯维加斯算法只有0和1。

因此蒙特卡洛算法判断之后再进行精确判断。