Computer Science Center Лекция 12. Нижние оценки трудоёмкости рандомизированных алгоритмов принцип Яо

🎯 Загружено автоматически через бота: 🚫 Оригинал видео: 📺 Данное видео принадлежит каналу «Computer Science Center» (@CompscicenterRu). Оно представлено в нашем сообществе исключительно в информационных, научных, образовательных или культурных целях. Наше сообщество не утверждает никаких прав на данное видео. Пожалуйста, поддержите автора, посетив его оригинальный канал. ✉️ Если у вас есть претензии к авторским правам на данное видео, пожалуйста, свяжитесь с нами по почте support@, и мы немедленно удалим его. 📃 Оригинальное описание: Лекция №12 курса «Рандомизированные алгоритмы», весна 2021 (Новосибирск). На этой лекции ознакомимся с принципом Яо, который гласит, что ожидаемое время работы рандомизированного алгоритма в худшем случае не меньше, чем ожидаемое время работы наилучшего детерминированного алгоритма на наихудшем распределении на входных данных. Иными словами, для доказательства нижнней оценки трудоёмкости алгоритмов Лас Вегас достаточно найти хотя бы одно распределение случайных входов, на котором все детерминированные алгоритмы в среднем плохо работают. Мы этот принцип используем для доказательства нижних оценок трудоёмкости рандомизированных алгоритмов для упорядочивания массива. Преподаватель курса: Рене Андреасович ван Беверн, заведующий лабораторией алгоритмики ММФ НГУ, старший преподаватель ММФ НГУ. Подробное описание занятия: