我想看我部落格的還是學生人群偏多吧，本身很快就要去面試了，在這篇部落格的問題中，我們就把自己當作boss過把癮。
某天，你想雇用一名演算法工程師。當然，不可能讓你這個boss親自去到處練習應聘者，而是選擇了中介。雇用中介每天都會給你推薦乙個應聘者（ps：還是讓自己輕鬆點，一天只應聘乙個人哈）。是個地球人都知道，你必須要給中介付一小筆錢。然後如果你雇用了乙個應聘者則需要更多的錢，一來你要解雇現有的演算法工程師，更重要的是你要付給中介一大筆錢。在這個問題中還有乙個關鍵的問題，雖然有些不合情理——只要遇到更好的演算法工程師，你都會把之前的給解雇掉（忽略合同等等哦）。
相信大家一看這個問題就知道重點是什麼了，錢，錢，錢，還是錢。你希望費用是最低的。
那麼解決這個問題的邏輯呢，當然就是：
1）從1到n個應聘者中不斷地面試
2）如果當前應聘者比上乙個更好，則雇用當前應聘者並解雇上乙個雇用者
問題是如何將實際問題轉換成偽**，偽**才是最重要的，有了它你便可以將其改成任何語言的描述。
hire-algorithm-engineer(n)
1 employee=0
2for
i=1 to n
3 interview candidate i
4if candidate i is better than employee
5 employee = i
6 hire candidate i
大家想想這和前面用到的歸併排序有哪些相似點呢？
不管是執行時間，還是花費費用，在演算法之中都是由一些操作來執行的，所以終究還是逃離不了演算法的分析。
如前所述，假定總共有n個人需要面試，有m個人最終被雇用。面試乙個應聘者時需要給中介的費用是小的，設為cs
；而在你面試通過了這個應聘者後給中介的費用才是大的，設為cb
。所以這個演算法總共要花費的費用為o(
csn+
cbm)
。大家應該有很清晰的理解這個問題吧？為什麼最終由m個人被雇用而不是1個人被雇用呢。原因是這樣的：比如說你現在面試了乙個應聘者，你覺得他蠻優秀的，但是在10天你又遇到了乙個更加優秀的，於是你便辭退了先前的雇員，聘請了最新看中的應聘者。
所以說，無論如何我們都會面試n個人，總費用cs
n也是固定的，真正對演算法有著深遠（波動）影響的應該是這雇用的m個人。
這個是時候，我們就按情況的不同作具體分析了。
很顯然，如果這些應聘者按優秀程度（僅僅是舉個例子）來遞增順序進行面試，最優秀的最先面試，那麼你在應聘這個方面所花費的價錢就僅僅是cs
∗1了。相反，如果是按照遞減順序進行面試，那優秀的最後面試，那麼這下麻煩可大了，你所花費的價錢就是cs
∗n，如果n特別大那就更加糟糕了。
如果大家理解了上面的描述，那就相當於理解了最壞情況分析。
在這個演算法中，我們顯然不可能每次都去強制控制它的輸入，因此便有了隨機演算法這麼一說。
所謂的隨機演算法，就是使用排列的順序隨意。選取乙個主元，輸入的順序便不重要了。無論所提供的輸入是遞增排序還是遞減排序，亦或是沒有排序，都對演算法沒有影響，因為輸入是什麼根本就不重要了。我們都會將其打亂，讓它們隨機分布。
既然選擇了這個演算法，自然有它的優點：
1）它的執行時間不依賴於輸入序列的順序
2）無需對輸入序列的發布做任何假設
3）無論是怎樣的輸入都不會引發最差的運**況
4）而最差的情況卻是由隨機數產生器決定的
那麼什麼樣的演算法是隨機的呢？
其行為不僅由輸入決定，而且也有隨機數生成器產生的數值決定，這種演算法就是隨機的。
話說回來什麼叫做隨機數生成器呢？
隨機數生成器random，通過呼叫random(a,b)而返回a到b之間的整數且每個整數都以等概率出現。
然而許多程式設計環境/語言都會提供乙個偽隨機數生成器（比如說c#裡面的random），它其實是乙個確定性演算法，只不過其結果在統計上看上去是隨機的。
在分析隨機演算法時，和前面的就有區別了。我們開始以執行時間的期望值來衡量，而輸入值也通過隨機數來生成。所以隨機演算法的執行時間也叫做期望執行時間，因為這一切都是不確定的，所以我們只能期望，期望，期望。
如果乙個演算法的輸入是概率分布的，那麼就分析其平均情況執行時間；當演算法本身對於輸入可以通過隨機過程來選擇，那麼就分析其期望執行時間。
我們不是假設輸入的乙個分布，而是設定乙個發布。也就是說在這個演算法開始前，先隨機化它的輸入，讓這些輸入擁有等可能的出現概率。
每次執行這個演算法時，執行都依賴於隨機選擇，所以執行很和前面的不同。因此變有了前面」無論是怎樣的輸入都不會引發最差的運**況「的優點。
所以對於前面的偽**唯一需要改變的只是增加」隨機化應聘者序列「這一段。
randomized-hire-algorithm-engineer(n)
1 randomly permute the list of candidates
2 employee=0
3for
i=1 to n
4 interview candidate i
5if candidate i is better than employee
6 employee = i
7 hire candidate i
我們給陣列中的每個元素賦乙個優先順序，優先順序和陣列中的元素都是數字。以往我們給陣列中的元素排序都是直接按元素的大小進行比較、排序的，這裡則跑開了元素本身，通過元素對應的優先順序來比較，優先順序優先的數即更小，我們也可以將其排在後面。
sort-by-priority(a)
1 n=a.length
2 let p[1...n] be a
newrandom array
3for i=1
to n
4 p[i]=ramdom(1,n^2)
5sort a, using p as
sort
keys
，其實只是為了擴大它的範圍以不至於優先順序重疊，你當然也可以設定為n的三次方，或是4次方。
演算法 由0 5隨機數設計0 8隨機數
首先生成兩個0 5的隨機數a和b。由a和b組成兩位六進製制數ab，00 55 由於a和b都是隨機的，則00 55範圍內的數也是隨機的 將ab化成十進位制c a 6 b。將出現整行的模9，未出現整行的過濾掉即可。00 55 六進製制 0 35 0 1 2 3 4 5 6 7 8 9 10 11 12 ...
演算法導論筆記 05隨機問題
4 用random 0,1 實現random a，b 這道題的實現思路 這個題目相當於在能隨機生成 0,1 的前提下，要求隨機生成 n b a 1 個整數。1 把要生成的數標記為 a,a 1,a 2,b a 1,b 1,b 2 取最小的 m，使得2 m n 3 通過隨機生成 0,1 的函式生成乙個 ...
隨機選擇演算法相關問題
給定乙個整數組成的集合，集合中的整數各不相同，現在要將它分為兩個子集合，使得這兩個子集合的並為原集合 交為空集，同時在兩個子集合的元素個數n1與n2之差的絕對值 n1 n2 盡可能小的前提下，要求他們各自的元素之和s1和s2之差的絕對值 s1 s2 盡可能大。求 s1 s2 使用隨機選擇演算法的原理...