【算法导论】笔记-第四章 概率分布与随机分布

第4章 概率分布和随机分布

4.1 雇用问题

• 题目：代理公司帮你物色办公助理候选人，面试一个候选人支付代理公司1K。

• 策略：在面试完每个应聘者后，如果该应聘者比目前的办公助理更合适，就辞退当前的办公助理，然后雇佣新的。

• 伪代码：HIRE-ASSISTANT(n)

  best = 0
  for i = 1 to n
      interview candidate i
      if candidate i is better than candidate best
          best = i
          hire candidate i
  

• 最坏情形分析：当应聘者质量按出现次序严格递增时。此时雇佣n次，总费用为$O(c_{k}n)$。

• 概率分析：对所有可能输出产生的运行时间取平均。称其为平均情况运行时间。

• 随机算法：一般地，如果一个算法的行为不仅由输入决定，而且也由随机数生成器产生的数字决定，则称这个算法是随机的。

4.2 指示器随机变量

• 指示器随机变量：
  $$IA=\{\begin{array}{c}1,A发生\\ 0,A不发生\end{array}$$

• 给定一个样本空间S和S中的一个时间A，设 X A = I { A } X_A=I\{A\} XA​=I{A}，那么 E [ X A ] = P r { A } E[X_A]=Pr\{A\} E[XA​]=Pr{A}。

• 用指示器随机变量分析雇用问题问题：
  X ( i ) = I { 应 聘 者 i 被 雇 佣 } = { 1 , 应 聘 者 i 被 雇 用 0 , 应 聘 者 i 不 被 雇 用 X(i)=I\{应聘者i被雇佣\}=\left\{ \begin{array}{c} 1,应聘者i被雇用\\ 0,应聘者i不被雇用 \end{array} \right. X(i)=I{应聘者i被雇佣}={1,应聘者i被雇用0,应聘者i不被雇用​

• $E[X]=\ln n+O(1)$，平均只雇用$\ln n$个人

4.3 随机算法

• 思想：随机排列应聘者，以加强所有排序都是等可能出现的性质。

• 伪代码：RANDOMIZED-HIRE-ASSISTANT(n)

  randomly permute the list of candidates
  best = 0
  for i = 1 to n
      interview candidate i
      if candidate i is better than candidate best
          best = i
          hire candidate i
  

• 随机排列数组：

  • 方法一：为数组的每个元素$A[i]$赋一个随机的优先级$P[i]$，然后依据优先级对数组A中的元素进行排序。
    • 伪代码：PERMUTE-BY-SORTING(A)

  n = A.length
  let P[1..n] be a new array
  for i = 1 to n
      P[i] = RANDOM(1,n^3)
  sort A, using P as sort keys
  

  • 方法二：原址排列给定数组

    • 伪代码：RANDOMIZE-IN-PLACE(A)

      n = A.length
      for i = 1 to n
          swap A[i] with A[RANDOM(i,n)]