第7章 隨機化演算法
概率演算法只能實期望的結果更有效，它可能遭到最壞的可能性。
概率化演算法兩次執行的結果可能不一樣。




1.主要型別：
數值概率演算法、蒙特卡羅演算法、拉斯維加斯演算法、舍伍德演算法


2.數值概率演算法
隨機投點計算pi值
定積分
解非線性方程組


得到的結果不夠精確，但是可以在一個接受範圍內。


3.舍伍德演算法（確定性演算法，不一定能得到解，但是得到的解總是正確的）
想辦法破壞最壞情況出現的概率（還是會出現），以提高演算法的效率。
當最壞情況與平均情況有著較大的差異時，引入舍伍德演算法

資料洗牌 + 確定演算法

線性時間選擇演算法（選擇第 k 小元素）
搜尋有序表（先隨機再順序）
跳躍表（在連結串列中增加向前跳躍的指標）：
有序表改造為跳躍表，可以提高減少的效率


快排中隨機選擇基準，而不是一直選擇第一個作為基準。


4.蒙特卡羅演算法（概率演算法，每次都能得到解，但是不一定正確）
得到的是一個確定解，但是不一定正確（常把數值隨機化演算法歸類到這）
正確解的概率依賴於演算法的計算時間

主元素（隨機產生選一個數，然後判斷是不是主元素）
素數測試（Wilson定理、費爾馬小定理、二次探測定理）


5.拉斯維加斯演算法（確定演算法，不一定能得到解，但是得到的解都是正確的）
賭徒的心態，反覆押籌碼不會虧
給出的答案總是正確的（不會得到不正確的解，但是有時找不到），期望值有界

常把舍伍德演算法演算法歸類於此。

N後問題
整數因子分解


6.三種演算法的比較
 
7.隨機 VS 隨意
隨機不等於隨意，隨機是概率確定的多種的選擇
隨意是概率不確定的的多種選擇