随笔 - 70  文章 - 160  trackbacks - 0

公告:
知识共享许可协议
本博客采用知识共享署名 2.5 中国大陆许可协议进行许可。本博客版权归作者所有,欢迎转载,但未经作者同意不得随机删除文章任何内容,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。 具体操作方式可参考此处。如您有任何疑问或者授权方面的协商,请给我留言。

常用链接

留言簿(8)

随笔档案

文章档案

搜索

  •  

积分与排名

  • 积分 - 177861
  • 排名 - 147

最新评论

阅读排行榜

评论排行榜

最近在看王晓东的《计算机算法设计与分析(第3版) 》,感觉讲的挺不错的。这里先推荐下。

接下来的几章(包括本章),我准备以连载的方式讲出来,主要用到的资料是上面推荐的那本书以及《算法导论》和网上的资源,内容是概率分析与随机算法。文章内大部分内容出自书中,我仅以汇总形式以及个人理解加以补充。如有纰漏,欢迎指出。

概率算法的一个基本特征是对所求解问题的同一实例用同一概率算法求解两次可能得到完全不同的效果。这两次求解问题所需的时间甚至所得到的结果可能会有相当大的差别。一般情况下,可将概率算法大致分为四类:数值概率算法,蒙特卡罗(Monte Carlo)算法,拉斯维加斯(Las Vegas)算法和舍伍德(Sherwood)算法。

随机数在概率算法设计中扮演着十分重要的角色。在现实计算机上无法产生真正的随机数,因此在概率算法中使用的随机数都是一定程度上随机的,即伪随机数

产生随机数最常用的方法是线性同余法。由线性同余法产生的随机序列a1,a2,…,an满足
1.a0=d
2.an=(b*an-1+c)mod m (n=1,2…….)
其中,b>0, c>=0, d>=m。d称为该随机序列的种子

一般情况下,取gcd(m, b)=1,因此可取b为一素数。

这是一个随机数类

const unsigned long maxshort = 65535L;
const unsigned long multiplier = 1194211693L;
const unsigned long adder = 12345L;
 
class RandomNumber{
private:
    
// 当前种子
    unsigned long randSeed;
public:
    
// 构造函数,默认值0表示由系统自动产生种子
    RandomNumber(unsigned long s = 0);
    
// 产生0 ~ n-1之间的随机整数
    unsigned short Random(unsigned long n);
    
// 产生[0, 1) 之间的随机实数
    double fRandom();
};
 
// 产生种子
RandomNumber::RandomNumber(unsigned long s)
{
    
if(s == 0)
        randSeed 
= time(0);    //用系统时间产生种子
    else
        randSeed 
= s;
}
 
// 产生0 ~ n-1 之间的随机整数
unsigned short RandomNumber::Random(unsigned long n)
{
    randSeed 
= multiplier * randSeed + adder;
    
return (unsigned short)((randSeed >> 16% n);
}
 
// 产生[0, 1)之间的随机实数
double RandomNumber::fRandom()
{
    
return Random(maxshort) / double(maxshort);
}

利用这个随机数类,写一个程序,模拟抛硬币的实验。

抛10次硬币构成一个事件,每次事件记录得到正面的个数。反复模拟这个事件50,000次,然后对这50,000L次进行输出频率图,比较每次事件得到正面次数的比例。

以下是总的代码:
头文件 RandomNumber.h:

// RandomNumber.h
 
const unsigned long maxshort = 65535L;
const unsigned long multiplier = 1194211693L;
const unsigned long adder = 12345L;
 
#ifndef RANDOMNUMBER_H
#define RANDOMNUMBER_H
 
class RandomNumber{
private:
    
// 当前种子
    unsigned long randSeed;
public:
    
// 构造函数,默认值0表示由系统自动产生种子
    RandomNumber(unsigned long s = 0);
    
// 产生0 ~ n-1之间的随机整数
    unsigned short Random(unsigned long n);
    
// 产生[0, 1) 之间的随机实数
    double fRandom();
};
 
#endif

类实现文件RandomNumber.cpp :

// RandomNumber.cpp
#include "RandomNumber.h"
#include 
<iostream>
#include 
<stdlib.h>
#include 
<time.h>
 
using namespace std;
 
// 产生种子
RandomNumber::RandomNumber(unsigned long s)
{
    
if(s == 0)
        randSeed 
= time(0);    //用系统时间产生种子
    else
        randSeed 
= s;
}
 
// 产生0 ~ n-1 之间的随机整数
unsigned short RandomNumber::Random(unsigned long n)
{
    randSeed 
= multiplier * randSeed + adder;
    
return (unsigned short)((randSeed >> 16% n);
}
 
// 产生[0, 1)之间的随机实数
double RandomNumber::fRandom()
{
    
return Random(maxshort) / double(maxshort);
}

主文件Main :
// 主文件main
/*

* Author: Tanky woo
* Blog:   www.WuTianQi.com
* Date:   2010.12.7
* 代码来至王晓东《计算机算法设计与分析》
*/
#include 
"RandomNumber.h"
#include 
<iostream>
#include 
<iomanip>
#include 
<time.h>
using namespace std;
 
int TossCoins(int
 numberCoins)
{
    
// 随机抛硬币

    static RandomNumber coinToss;
    
int i, tosses = 0
;
    
for(i = 0; i < numberCoins; ++
i)
        tosses 
+= coinToss.Random(2
);
    
return
 tosses;
}
 
int
 main()
{
    
// 模拟随机抛硬币事件

    const int NCOINS = 10;
    
const long NTOSSES = 50000L
;
    
// heads[i]得到的i次正面的次数

    long i, heads[NCOINS+1];
    
int
 j, position;
    
// 初始化数组heads

    for(j = 0; j < NCOINS+1++j)
        heads[j] 
= 0
;
    
// 重复50,000次模拟事件

    for(i = 0; i < NTOSSES; ++i)
        heads[TossCoins(NCOINS)] 
++
;
    
// 输出频率图

    for(i = 0; i <= NCOINS; ++i)
    {
        position 
= int (float(heads[i]) / NTOSSES*72
);
        cout 
<< setw(6<< i << " "
;
        
for(j = 0; j<position-1++
j)
            cout 
<< " "
;
        cout 
<< "*" <<
 endl;
    }
    
return 0
;
}

输出频率图:

具体可以看看王晓东的《计算机算法设计与分析》第七章。

下一篇我会写《随机化算法(2) — 数值概率算法》。

 Tanky Woo原创,欢迎转载,转载请附上链接,请不要私自删除文章内任何关于本博客的链接。

posted on 2010-12-10 08:01 Tanky Woo 阅读(9433) 评论(2)  编辑 收藏 引用

FeedBack:
# re: 随机化算法(1) — 随机数[未登录] 2013-02-18 19:11 ming
因此,就更加事实来说,不在于自己对于那样存在的负面状态不断的进行分析从而从中杜绝自己的那种脚步疼痛的现象或者其他的一种压力无法释放的状态,就现实来说无法预知的上班或者下班状态就能够导致自己那种对于脚步的不放松。即使晚上休息的时候也是如此  回复  更多评论
  
# re: 随机化算法(1) — 随机数[未登录] 2013-04-01 13:49 MING
有效性的费用成本的安全其实就是建立在职位和人的关系主要就是设置和配置的关系,而不是配置和设置的关系,这个就是有效性费用成本与无效性费用成本在关系安全上面的做法  回复  更多评论
  

只有注册用户登录后才能发表评论。
网站导航: 博客园   IT新闻   BlogJava   知识库   博问   管理