算法洗脑系列(8篇)——第八篇 概率思想
来源:互联网 发布:装修公司 知乎 编辑:程序博客网 时间:2024/05/16 13:48
今天写最后一篇来结束这个系列,我们知道很多算法解决问题的步骤都是固定的,而概率算法每一步的选择都是随机的,
当在某些领域问题中通常比最优选择省时,所以就大大提高了算法的效率,降低了复杂度。
一:思想
这里主要讲一下“数值概率算法”,该算法常用于解决数值计算问题,并且往往只能求得问题的近似解,同一个问题同样的概率算法
求解两次可能得到的结果大不一样,不过没关系,这种“近似解”会随时间的增加而越接近问题的解。
二:特征
现实生活中,有很多问题我们其实都得不到正确答案,只能得到近似解,比如“抛硬币”求出正面向上的概率,”抛骰子“出现1点的
概率,再如:求“无理数π”的值,计算"“定积分”等等。针对这样如上的情况,使用概率算法求解是再好不过的了。
三: 举例
数值概率中,最经典的一个题目就是“计算定积分”,设f(x)=1-x2 ,计算定积分:I = ∫01 (1-x2)dx 的值。
分析:第一步: 我们画出函数f(x)=1-x2 在[0,1]的坐标图:
第二步:如果我们向矩形随机投点,那么落入“阴影区”的概率就是
P投点=S阴影/S正方形=∫01 (1-x2)dx /∫01 (1)dx=∫01 (1-x2)dx,
所以问题就演化为:求出随机点落入阴影区的概率即为定积分∫01 (1-x2)dx的近似值。
比如我们向正方形投入N个点。M个点落在阴影区,则概率P=m/n;
最后:上代码
using System; using System.Collections.Generic; using System.Linq; using System.Text; namespace Gailv { public class Program { static void Main(string[] args) { while (true) { Console.WriteLine("阴影区的投点概率为:" + Darts(10000)); } } static double Darts(int n) { int count = 0; for (int i = 0; i < n; i++) { double x = new Random().Next(0, 100) / 100.0; double y = new Random().Next(0, 100) / 100.0; if (y <= 1 - Math.Pow(x, 2)) count++; } return (double)count / n; } } }
- 算法洗脑系列(8篇)——第八篇 概率思想
- 算法洗脑系列(8篇)——第八篇 概率思想
- 算法洗脑系列(8篇)——第八篇 概率思想
- 第八篇 概率思想
- 算法洗脑系列(8篇)——第二篇 递归思想
- 算法洗脑系列(8篇)——第三篇 贪心思想
- 算法洗脑系列(8篇)——第四篇 枚举思想
- 算法洗脑系列(8篇)——第五篇 分治思想
- 算法洗脑系列(8篇)——第六篇 回溯思想
- 算法洗脑系列(8篇)——第二篇 递归思想
- 算法洗脑系列(8篇)——第六篇 回溯思想
- 算法洗脑系列(8篇)——第二篇 递归思想
- 算法洗脑系列(8篇)——第三篇 贪心思想
- 算法洗脑系列(8篇)——第四篇 枚举思想
- 算法洗脑系列(8篇)——第五篇 分治思想
- 算法洗脑系列(8篇)——第六篇 回溯思想
- 算法洗脑系列(8篇)——第二篇 递归思想
- 算法洗脑系列(8篇)——第三篇 贪心思想
- 算法洗脑系列(8篇)——第七篇 动态规划
- android一些属性的总结
- 程序员面试题集锦
- Linux下如何删除非空目录
- 极客应如何创业?(五)
- 算法洗脑系列(8篇)——第八篇 概率思想
- http访问远程链接(可以发送文件)
- 使用GDI+处理数字图像
- 【Android Training - Connectivity】基本网络操作 [ Lesson 0 - 章节概览 ]
- MOSS自定义文档库/列表库中项目的右键关联菜单
- 判断网络是否可用
- startActivityForResult用法
- Mysql 函数
- js中使用正则表达式,全局匹配时如何取到匹配串?