```java
package net.zhaoxuyang.common.algorithm.random;
/**
*
* 蒙特卡罗算法
* <pre>
* 设p是一个实数,且 0.5 小于 p 小于 1,
* 如果蒙特卡罗算法对于问题的任一实例得到的正确解的概率不小于p,则称该算法是正确的。
* </pre>
* @author zhaoxuyang
*/
public class MonteCarlo {
public static void main(String[] args) {
//int[] array = {1, 2, 1};
// System.out.println(majority(array, array.length, 0.99));
// System.out.println(majority(array, array.length, 0.99));
System.out.println(checkPrimeByWilson(5));
System.out.println(checkPrimeByWilson(6));
while(true){
System.out.println(checkPrimeByMoteCarlo(97));
}
}
/**
* 判断一个数组是否存在主元素 一个含有n个元素的数组,当存在一个元素占比大于n/2时,称该元素是数组的主元素。
*/
static boolean majority(int[] array, double n, double p) {
int k = (int) Math.ceil(Math.log(n) / Math.log(1 - 0.9));
for (int i = 1; i <= k; i++) {
if (checkMajority(array, n)) {
System.out.println(array[i]);
return true;
}
}
return false;
}
static boolean checkMajority(int[] array, double n) {
int randomIndex = (int) (Math.random() * n);
int item = array[randomIndex];
int k = 0;
for (int i = 0; i < n; i++) {
if (item == array[i]) {
k++;
}
}
return (k > 1.0 * n / 2);
}
/**
* 常规的判断一个数是否为素数
*
* @param n
* @return
*/
boolean checkPrime(long n) {
int m = (int) Math.floor(Math.sqrt(n));
for (int i = 2; i <= m; i++) {
if (n % i == 0) {
return false;
}
}
return true;
}
/**
*
* <pre>
* Wilson定理有很高的理论价值,定义为:对于给定的正整数n,判定n是素数的充要条件是:
* (n-1)! === -1(mod n)
* 例如n = 5,6,7
* (5-1)!=24, 24 mod 5 = -1(mod 5),故5是素数
* (6-1)!=120, 120 mod 6 = 0(mod 6),故6不是素数
* (7-1)!=720, 720 mod 7 = -1(mod 7),故6不是素数
*
* </pre>
* @param n
* @return
*/
static boolean checkPrimeByWilson(long n) {
return fan(n - 1) % n == n - 1;
}
static long fan(long n) {
return n == 0 ? 1 : n * fan(n - 1);
}
static boolean checkPrimeByMoteCarlo(int n){
int m = (int) Math.floor(Math.sqrt(n));
int min = 2;
int max = m - 1;
int i = (int)(Math.random()*(max-min+1)+min);
System.out.println(i);
return n % i != 0;
}
}
```
- 1 设计接口
- 1.1 容器接口Container
- 1.2 背包接口Bag
- 1.3 栈接口Stack
- 1.4 队列接口Queue
- 1.5 Union-Find算法接口UF
- 2 实现接口
- 2.1 结点类Node
- 2.2 数组迭代器ArrayIterator
- 2.3 链表迭代器ListIterator
- 2.4 背包(Bag)的实现
- 2.4.1 能动态调整数组大小的Bag
- 2.4.2 链式Bag的实现
- 2.5 栈(Stack)的实现
- 2.5.1 能动态调整数组大小的Stack
- 2.5.2 链式Stack的实现
- 2.6 队列(Queue)的实现
- 2.6.1 能动态调整数组大小的Queue
- 2.6.2 链式Queue的实现
- 2.7 Union-Find算法的实现
- 2.7.1 DefaultUF
- 2.7.2 QuickFindUF
- 2.7.3 QuickUnionUF
- 2.7.4 WeightedQuickUnionUF
- 2.8 测试
- 2.8.1 测试Stack
- 2.8.2 测试Union-Find
- 3 排序算法
- 3.1 定义排序工具的类结构
- 3.2 选择排序
- 3.3 插入排序
- 3.4 希尔排序
- 3.5 归并排序
- 3.5.1 归并排序的合并方法
- 3.5.2 自顶向下的归并排序
- 3.5.3 自底向上的归并排序
- 3.6 快速排序
- 3.6.1 常规快速排序
- 3.6.2 排序前先洗牌
- 3.6.3 快速排序的改进方法-小数据量转成插入排序
- 3.6.4 快速排序的改进方法-三向切分
- 3.7 堆排序
- 3.8 最终的排序工具
- 4 搜索
- 4.1 二分搜索(binarySearch)
- 4.2 优先队列(MaxPriorityQueue)
- 4.3 二叉查找树(BST)
- 4.4 红黑二叉查找树(RedBlackBST)
- 4.5 B-树(BTree)
- 5 图
- 5.1 无向图(Graph)
- 5.2 有向图(Digraph)
- 6 贪心
- Dijkstra算法-单元最短路径
- 7 动态规划
- 7.1 最长公共子序列问题
- 7.2 0-1背包问题
- 7.3 加工顺序问题
- 8 搜索法
- 8.1 图的着色问题
- 8.2 深度优先搜索
- 8.3 回溯法
- 8.3.1 回溯法的算法框架
- 8.3.2 子集树
- 8.3.3 排列树
- 8.3.4 满m叉树(组合树)
- 8.4 广度优先搜索
- 8.5 分支限界法
- 9 随机化算法
- 9.1 数值随机化算法
- 9.2 蒙特卡罗算法
- 9.3 拉斯维加斯算法
- 9.4 舍伍德算法
- 10 数论算法
- 10.1 Stein求最大公约数
- 10.2 矩阵求斐波那切数列
- LeetCode刷题笔记