内容简介:我觉得Marceau教授说的挺有道理. 我的想法是把i=2的时候做为初始状态, 只要证明交换过A[1]之后, 每种可能的子数组A[1..1]的概率是1/n. 这个结论应该是”明显”的.按我的理解应该是不可以的. 如果初始的时候, 第一个数字是X的概率小, 那么程序跑完之后, 第一个数字不是X的概率就会变大, 而不 1/n 了.我们来写程序来验证一下 5.3-1 和 5.3-2 的结果吧.
5.3-1
我觉得Marceau教授说的挺有道理. 我的想法是把i=2的时候做为初始状态, 只要证明交换过A[1]之后, 每种可能的子数组A[1..1]的概率是1/n. 这个结论应该是”明显”的.
5.3-2
按我的理解应该是不可以的. 如果初始的时候, 第一个数字是X的概率小, 那么程序跑完之后, 第一个数字不是X的概率就会变大, 而不 1/n 了.
我们来写程序来验证一下 5.3-1 和 5.3-2 的结果吧.
package main import ( "fmt" "math/rand" "time" ) func shuffle(array []int) { rand.Seed(time.Now().UnixNano()) var ( tmp int index int n = len(array) ) for i := 0; i < n; i++ { index = rand.Intn(n-i) + i tmp = array[index] array[index] = array[i] array[i] = tmp } } func generate_array(n int) []int { array := make([]int, n) for i := 0; i < n; i++ { array[i] = i } return array } func main() { var ( loop = 6000 N = 3 ) for i := 0; i < loop; i++ { array := generate_array(N) shuffle(array) fmt.Printf("%v\n", array) } }
看5.3-1的结果, 还是很平均的.
% go run 5.3.1.go | sort | uniq -c 990 [0 1 2] 1038 [0 2 1] 965 [1 0 2] 991 [1 2 0] 1002 [2 0 1] 1014 [2 1 0]
5.3-2的结果, 第一位永远不是0
package main import ( "fmt" "math/rand" "time" ) func shuffle(array []int) { rand.Seed(time.Now().UnixNano()) var ( tmp int index int n = len(array) ) for i := 0; i < n-1; i++ { index = rand.Intn(n-i-1) + i + 1 tmp = array[index] array[index] = array[i] array[i] = tmp } } func generate_array(n int) []int { array := make([]int, n) for i := 0; i < n; i++ { array[i] = i } return array } func main() { var ( loop = 6000 N = 3 ) for i := 0; i < loop; i++ { array := generate_array(N) shuffle(array) fmt.Printf("%v\n", array) } }
% go run 5.3.2.go | sort | uniq -c 2951 [1 2 0] 3049 [2 0 1]
5.3-3
这些题目.. 都是谁想来杀我脑细胞的..
完全用教材中的示例去套已经不行了, 得到的结果貌似是”不能证明”. 但是直觉感觉是可以的. 先放下, 来写个程序验证下吧.
package main import ( "fmt" "math/rand" "time" ) func shuffle(array []int) { rand.Seed(time.Now().UnixNano()) var ( tmp int index int n = len(array) ) for i := 0; i < n-1; i++ { index = rand.Intn(n) tmp = array[index] array[index] = array[i] array[i] = tmp } } func generate_array(n int) []int { array := make([]int, n) for i := 0; i < n; i++ { array[i] = i } return array } func main() { var ( loop = 6000 N = 3 ) for i := 0; i < loop; i++ { array := generate_array(N) shuffle(array) fmt.Printf("%v\n", array) } }
运行结果
% go run 5.3.3.go | sort | uniq -c 1316 [0 1 2] 689 [0 2 1] 1331 [1 0 2] 1309 [1 2 0] 682 [2 0 1] 673 [2 1 0]
果然不行.. 想了一会, 用一个反例来说明吧.
比如 0 1 2 这三个排列好的数字, 用5.3.3的程序来跑, 我们来算一下跑完之后2出现在第一位的概率, 是 4/27 . 这样应该能证明这个算法是错误的了. 和我最开始的直觉是反过来的.
以上所述就是小编给大家介绍的《算法导论学习笔记5 随机算法》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 算法导论阅读笔记 --- 排序算法
- 『算法导论』第二章
- 『算法导论』第 7 章:快速排序
- js实现多种排序算法(算法导论第二章)
- 『算法导论』第 8 章:线性时间排序
- 机器学习的算法和普通《算法导论》里的算法有什么本质上的异同?
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。