文章目录
前言
在算法设计中,我们需要使用概率论相关的数学工具,为我们设计能够解决实际问题的优良算法。
本文主要讲解了概率与随机在算法中的应用,以及如何生成随机序列,最后给出了一个运用概率分析的算法设计。
一、算法中的概率分析与随机算法
1.概率分析
概率分析是在问题分析中应用概率的理念。一般的我们找到或者假设输入的分布,根据分布的概率模型进行概率分析,计算出一个平均运行时间。此类型的运行时间称为平均情况运行时间。
概率分析的关键是确认输入的分布
1.对于有些情况,我们可以对所有可能输入的集合做某种假定,然后采用概率分析来设计一个高效的算法,并加深对问题的认识。
2.对于另外一些情况,我们不能描述一个合理的输入分布,因此我们不能使用概率分析。
2.随机算法
随机算法是将任意输入随机化的算法。区别于概率分析,随机算法的随机不是依赖于输入的随机分布,而是依赖于算法的随机性。也可以说,即使输入是最坏的情况,那么通过随机算法的随机化,最后输入的数组并不是最坏的情况。而随机算法产生最坏随机数组的概率是很低的。
当分析一个随机算法的运行时间时,我们以运行时间的期望来刻画。我们将随机算法的运行时间称为期望运行时间,以此来区分那些输入是随机的算法。
一般而言:
1.当概率分布是在算法的输入上的时候,我们讨论平均情况运行时间。
2.当概率分布发生在算法本身上时,即算法本身做出随机选择,我们讨论期望运行时间。
二、随机序列的生成(C代码)
随机序列的生成算法就是一种随机算法。
这里介绍了一种生成随机序列的随机算法,就是将原输入序列随机化的算法的C语言实现。
#include<stdio.h>
#include<stdlib.h>
#include<time.h>
#define SIZE 10//定义数据量的大小
/*
用来实现归并功能
归并的过程就是一次排序的过程
归并的对象是两个已经排好序的数组
那么最微元的时候
归并的对象是一个数据或者是两个数据
对于一个单数据的数组
归并函数就是直接不作处理,返回
对于两个单数据的数组
归并就是对它们排好序,返回一个两个元素的有序数组
对于两个多数据的有序数组
归并就是将它们合并为一个有序的数组
*/
void merge(int *y,int *x,int a,int b,int c)
{
//若是一个单数据的数组就不做处理,直接返回
if(a==c)
{
return;
}
int n1;
n1=b-a+1;//分割的第一个顺序序列大小
int n2;
n2=c-b;//分割的第二个顺序序列大小
int x1[n1];//为两个顺序序列分配空间
int x2[n2];
int y1[n1];
int y2[n2];
int i=0;
int j,k;
j=n1-1;//为两个顺序序列的合并,提供位置指针
k=n2-1;
//从原始数据中提取两个顺序序列
for(i=0;i<n1;i++)
{
x1[i]=x[i+a];
y1[i]=y[i+a];
}
for(i=0;i<n2;i++)
{
x2[i]=x[i+b+1];
y2[i]=y[i+b+1];
}
//将提取的两个顺序序列合并为一个顺序序列于原存储空间
for(i=c;i>=a;i--)
{
//两个序列都到底,就退出
if(j<0&&k<0)
{
break;
}
//一个序列到底,另外一个序列没有到底,那就可以直接赋值,因为两个序列自身都是有序序列
else if(j>=0&&k<0)
{
x[i]=x1[j];
y[i]=y1[j];
j--;//行进到序列下一个元素
}
else if(j<0&&k>=0)
{
x[i]=x2[k];
y[i]=y2[k];
k--;
}
//两个序列都没有到底,那么就是谁大谁先在前
else
{
if(x1[j]>=x2[k])
{
x[i]=x1[j];
y[i]=y1[j];
j--;
}
else
{
x[i]=x2[k];
y[i]=y2[k];
k--;
}
}
}
return;
}
/*
用来实现分治功能
该函数就是通过递归,调用自己的方式
将原始数据的数组分解为最小元
每一个最小元是两个数据或者一个数据
然后再结合归并程序
进行排序功能
*/
void merge_sort(int *y,int *x,int a,int c)
{
int b;
b=(a+c)/2;//二分数据
//如果数据分割至一个或者两个,说明已经是最小微元,直接开始归并
if(a==b||b==c)
{
merge(y,x,a,b,c);
return;
}
//没有分割至最小微元,调用递归再次分割
else
{
merge_sort(y,x,a,b);//利用提前计算好的b进行数据二分
merge_sort(y,x,b+1,c);
merge(y,x,a,b,c);//最后分割完要执行归并,排序且合并
return;
}
}
int main()
{
int i=0;
/*
生成输入序列,序列是从0开始加1递增的有序序列
*/
int *y;
y=(int *)malloc(SIZE*sizeof(int));//动态分配宏定义指定的内存空间
for(i=0;i<SIZE;i++)
{
y[i]=i;
}
printf("模拟的有序序列如下:\n");
for(i=0;i<SIZE;i++)//打印有序序列
{
printf("%d ",y[i]);
}
printf("\n");
/*
生成并打印随机序列
*/
int *x;
x=(int *)malloc(SIZE*sizeof(int));//动态分配宏定义指定的内存空间
srand((unsigned)time(NULL));//生成与时间有关的随机种子
for(i=0;i<SIZE;i++)//生成宏定义指定大小的1-1000的随机数
{
x[i]=rand()%1000;
}
printf("生成的随机序列如下:\n");
for(i=0;i<SIZE;i++)//打印随机序列
{
printf("%d ",x[i]);
}
printf("\n");
/*
对随机序列排序,根据排序后的随机序列的索引一一对应将原输入的有序序列随机化
*/
merge_sort(y,x,0,(SIZE-1));//进行排序
/*
打印结果
*/
printf("排序后的随机序列为:\n");
for(i=0;i<SIZE;i++)//打印排序好的数据
{
printf("%d ",x[i]);
}
printf("\n");
printf("随机化后的有序序列为:\n");
for(i=0;i<SIZE;i++)//打印排序好的数据
{
printf("%d ",y[i]);
}
printf("\n");
free(y);//释放动态生成的内存
free(x);
return 0;
}
执行结果如下P:
该算法的一部分需要进行排序,这里采用了前面文章讲解过的归并排序。
三、在线应聘问题
1.问题描述
某公司需要招聘一个员工,现有众多人前来面试,招聘官需要考虑如下问题:
1.想要招到最好的那个
2.尽可能的减少面试次数
那么面试需要一个策略,在找到尽可能最好的面试者的同时,也尽可能地减少面试次数。
2.算法分析
(1)策略
我们采用如下策略:
选择一个整数k,
(
⌊
k
=
n
e
⌋
)
(\left \lfloor {k={\frac{n}{e}}} \right \rfloor)
(⌊k=en⌋),其中
n
是参加面试的总人数,
e
是自然常数
n是参加面试的总人数,e是自然常数
n是参加面试的总人数,e是自然常数。面试并拒绝前k个,并且为前k个打分,得到前k个的最高分M。然后从第k+1个应聘者开始,聘用那个分数比M高的第一个人。如果到最后都没有发现比M高的人,那么直接聘用最后一个面试者。
(2)简单理论----概率分析
根据概率论推导,我们可以得到面试得到最优者的概率不等式:
k
n
(
l
n
n
−
l
n
k
)
⩽
P
(
S
)
⩽
k
n
(
l
n
(
n
−
1
)
−
l
n
(
k
−
1
)
)
\frac{k}{n}(ln{n}-lnk)\leqslant P(S)\leqslant \frac{k}{n}(ln(n-1)-ln(k-1))
nk(lnn−lnk)⩽P(S)⩽nk(ln(n−1)−ln(k−1))
我们根据微积分的知识,可以得到结论:
当
k
=
n
e
时,概率下界最大,我们至少有
1
e
的概率成功雇佣最好的应聘者。
当k=\frac{n}{e}时,概率下界最大,我们至少有\frac{1}{e}的概率成功雇佣最好的应聘者。
当k=en时,概率下界最大,我们至少有e1的概率成功雇佣最好的应聘者。
(3)具体推导
3.C代码
#include<stdio.h>
#include<stdlib.h>
#include<time.h>
#define SIZE 50//定义数据量的大小
#define e 2.718281828
int hire(int *x,int k,int n)
{
int i=0;
int bestscore=-1;
for(i=0;i<k;i++)
{
if(x[i]>bestscore)
{
bestscore=x[i];
}
}
for(i=k;i<n;i++)
{
if(x[i]>bestscore)
{
return (i+1);
}
}
return n;
}
int main()
{
int i=0;
int k=0;
int person;
/*
生成并打印随机序列
*/
int *x;
x=(int *)malloc(SIZE*sizeof(int));//动态分配宏定义指定的内存空间
srand((unsigned)time(NULL));//生成与时间有关的随机种子
for(i=0;i<SIZE;i++)//生成宏定义指定大小的1-1000的随机数
{
x[i]=rand()%1000;
}
printf("生成的随机序列如下:\n");
for(i=0;i<SIZE;i++)//打印随机序列
{
printf("%d ",x[i]);
}
printf("\n");
/*
计算出k值
*/
k=SIZE/e;
printf("得到的k值为:%d\n",k);
person=hire(x,k,SIZE);//进行招聘
/*
打印结果
*/
printf("得到的第%d个应聘者,分数为:%d\n",person,x[person-1]);
//释放动态生成的内存
free(x);
return 0;
}
虽然我们得到的不是最大值,但是显然能达到分数高和应聘次数的均衡。
总结
由于笔者没有经历与概率分析和随机算法有关的实际项目,对于该方面的知识理解不深刻,希望各位指正。