概率算法

概率算法

第一节 概率算法的分类

数值概率算法

• 求解近似解
• 计算精度随计算时间增加而增加

Monte Carlo（蒙特卡罗）

• 求解准确解（但是此解不一定是正确解）
• 解是正确解的概率依赖算法所用时间，时间越长，概率越高

Las Vegas（拉斯维加斯）

• 求解准确解（只要求出解，此解就一定是正确解，但是可能求不出解）
• 求出解的概率依赖算法时间，时间越长，概率越大

Sherwood（舍伍德）

• 求解准确解（此解定是正确解）
• 此法不是避免算法的最坏情况，而是减少最坏情况和好情况的差距。适用于算法最坏情况和平均情况差距过大时。

第二节 随机数

• 在计算机中无法产生真正的随机数，所以概率算法中使用的随机数在一定程度上是随机的，称为伪随机数。
• 线性同余法是产生伪随机数最常用的办法。

第三节 数值概率算法

随机投点法求解Π的值

• 圆的半径为r，外切正方形变长即为2r。则投点在圆上的概率为 Πr^2/4r2 = Π/4。设向正方形投点次数为n，投入圆形内次数为k，则k/n = Π/4，可推 Π ≈ 4k/n。投点次数越多，Π的精确度越高。

随机投点法求解定积分

• 与上述方法类似

Monte Carlo（蒙特卡罗）

• 设p是一个实数，1/2 < p < 1，如果MC算法对于问题的任一实例得到正确解的概率>=p，则称该MC算法是p正确的，p-1/2为该算法的优势。
• 如果对于同一实例，MC算法给出2个相同的正确解，则称此时的MC算法是一致的。
• 代表问题：主元素问题，素数测试

Las Vegas（拉斯维加斯）

• 求出的解必是正确解，但可能无解。
• 一般用boolean型方法表示Las Vegas算法，lv算法找到解后返回true，否则false。x是输入参数，y是返回的解，success = true时，返回y，success = false时，表明没有找到解，对同一实例再次独立调用相同算法直到求出解。

public static void obstinate(Object x, Object y){
	boolean success = false;
	while(!success)	success = lv(x,y);
}

• 代表问题：n后问题（回溯法）

Sherwood（舍伍德）

• 核心思想是减少最坏和平均（准确说是特定实例）算法复杂度的差距。
• 如随机化的快排；线性时间选择算法；跳跃表。