算法导论——第五章概率分析与随机算法笔记

  这一章以雇用问题开始。

  这个问题可以有如下类比：在一个游戏里面，你身上最多可以装备一把剑，你每次在得到一把新的剑的时候都会和当前装备的剑进行比较，如果比当前的好，那就换上新的剑。但是换剑你需要付金币。假设剑的数量一定并且你在游戏过程中都会碰到，而且每次哪把剑出现是随机的，问你要付金币数的期望。

  很显然，付金币的数量决定于剑出现的顺序。一般游戏中都会先出现低级的剑，所以你付的金币数会很多。而书里讨论的是，假如顺序是随机的，算一下这个期望。

  这个问题在学习概率论的时候很少会碰到，书中解决它的方法要借助于指示器随机变量。这是一个小巧而强大的工具，这一章很多问题都可以用它来解。

  指示器随机变量是随机变量，随机变量是对于事件空间的映射，即某些或某个随机事件的发生映射到随机变量的某个值，而且不能多映射。指示器随机变量很简单，它对应的问题空间一般是二元的，即某件事情发生或者不发生。正是因为它简单，所以它才强大。因为很多问题可以看成是多个简单问题的结合（或者以某种方式计算整个问题比较简单，而这个方式需要简单问题的结果作为输入）。

  雇用问题就用了指示器随机变量。它将整个问题看成是n个小问题，小问题是每一个人是否被雇用。这样累加这n个人就知道了被雇用人数的期望，从而就得到了所需的钱。证明过程在书中有。

  生日问题也用了指示器随机变量。它计算k个人中两个人生日相同的概率，这可以是一个组合问题，结果等于k个人中选2个人的可能数再乘以两个人生日相同的概率。而任意两个人生日相同的概率可以用指示器随机变量来表示。

  既然说到了生日问题，那就多说几句。生日问题如果不用上面那种方法来解决其实也很简单，k个人中至少两个人生日相同的概率=1-k个人中一个人的生日都不相同。后者非常简单。由于涉及到计算和查找，数学不好，我写了下面的程序来找出答案。

 

package com.song.algorithm;

public class BirthdayProblem {
	
	
	
	/**
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		int k = 2;
		for (; k < 100; k++){
			double down = 1;
			for (int i = 1; i <= k; i++) {
				down *= 365;
			}
			double up = 1;
			for (int i = 0; i < k; i++) {
				up *= (365 - i);
			}
			up = up / down;
			if ( (1 - up) > 0.5 ) {
				System.out.println("min k: " + k);
				break;
			}
		}
	}

}

 

  这章接下来说到了两个产生均匀随机排列数组的算法。注意是均匀的，也就是对一个数组的n阶乘种排列都等可能地产生。证明这两个算法可以产生这样的效果在书中都有描述。第一种算法的证明是证明1，2，3，4.。。n这个排列出现的可能性是n阶乘分（所有的排列可能数就是n阶乘）之一，然后扩展到所有排列都是这样，因为所有排列的证明过程都是类似的。第二种算法的证明使用了数学归纳法。关键是从i-1次到i的时候，第i个数可以出现在n-i+1个地方（i-1个地方之外的地方），所以根据乘法原理相乘后就得到第i次也满足。

 

   接下来5.4节讨论了4个有趣的问题。生日问题上面已经说了。

   下面说一下礼券收集者问题。买方便面收集108位好汉的卡，且每次一定能得到多少张卡，每位好汉出现是随机的，在平均意义下，问要吃几包方便面才能收集完？答案是505包。问题的证明非常有意思，我认为关键是证明的策略：把这个过程分成n个步骤。这个策略定好了，证明就好证了.计算从当前步骤到下个步骤要买多少张需要使用几何分布的期望计算，其实很简单。

   第三个问题是特例序列。这个问题的证明过程是最复杂的。它分成了两部分——上界和下界。 证明上界的时候，我觉得翻译得有问题，比如式5.9之前的一句话：“所以长度至少为2lgn的正面特征序列开始于任一位置的概率是”，应该是“开始于任一位置的长度至少为2lgn的正面特征序列的概率是”。证明下界的时候将硬币分组的思想也是重点。

   最后一个问题是雇用问题的变形，这个问题其实就是波斯公主选驸马问题。这个问题是先给出策略，再分析这种策略的步骤，得出最佳值。这个证明比较简单，也比较有意思。