XDU算法实验：渗透问题（Percolation）

本文主要是介绍XDU算法实验：渗透问题（Percolation），对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

一、问题描述

使用合并-查找（union-find）数据结构，编写程序通过蒙特卡罗模拟（Monte Carlo simulation）来估计渗透阈值的值。

安装Java编程环境。按照以下各步指令，在你的计算机上（操作系统Mac OS X （http://algs4.cs.princeton.edu/mac）· Windows （http://algs4.cs.princeton.edu/windows）· Linux （http://algs4.cs.princeton.edu/linux）安装Java编程环境。执行这些指令后，在你的Java classpath下会有stdlib.jar and algs4.jar。前者包含库：从标准输入读数据、向标准输出写数据以及向标准绘制绘出结果，产生随机数、计算统计量以及计时程序；后者包含了教科书中的所有算法。

给定由随机分布的绝缘材料和金属材料构成的组合系统：金属材料占多大比例才能使组合系统成为电导体？ 给定一个表面有水的多孔渗水地形（或下面有油），水将在什么条件下能够通过底部排出（或油渗透到表面）？ 科学家们已经定义了一个称为渗透（percolation）的抽象过程来模拟这种情况。

模型。 我们使用N×N网格点来模型一个渗透系统。 每个格点或是open格点或是blocked格点。 一个full site是一个open格点，它可以通过一连串的邻近（左，右，上，下）open格点连通到顶行的一个open格点。如果在底行中有一个full site格点，则称系统是渗透的。（对于绝缘/金属材料的例子，open格点对应于金属材料，渗透系统有一条从顶行到底行的金属路径，且full sites格点导电。对于多孔物质示例，open格点对应于空格，水可能流过，从而渗透系统使水充满open格点，自顶向下流动。）

问题。 在一个著名的科学问题中，研究人员对以下问题感兴趣：如果将格点以空置概率p独立地设置为open格点（因此以概率1-p被设置为blocked格点），系统渗透的概率是多少？ 当p = 0时，系统不会渗出; 当p=1时，系统渗透。 下图显示了20×20随机网格（左）和100×100随机网格（右）的格点空置概率p与渗滤概率。

当N足够大时，存在阈值p*，使得当p <p*，随机N´ N网格几乎不会渗透，并且当p> p时，随机N´ N网格几乎总是渗透。 尚未得出用于确定渗滤阈值p的数学解。你的任务是编写一个计算机程序来估计p***。

Percolation数据类型。模型化一个Percolation系统，创建含有以下API的数据类型Percolation。

public class Percolation {
  public Percolation(int N)      // create N-by-N grid, with all sites blocked
  public void open(int i, int j)      // open site (row i, column j) if it is not already
  public boolean isOpen(int i, int j) // is site (row i, column j) open?
  public boolean isFull(int i, int j) // is site (row i, column j) full?
  public boolean percolates()     // does the system percolate?
  public static void main(String[] args)  // test client, optional
}

约定行i列j下标在1和N之间，其中(1, 1)为左上格点位置：如果open(), isOpen(), or isFull()不在这个规定的范围，则抛出IndexOutOfBoundsException例外。如果N ≤ 0，构造函数应该抛出IllegalArgumentException例外。构造函数应该与N2成正比。所有方法应该为常量时间加上常量次调用合并-查找方法union(), find(), connected(), and count()。

蒙特卡洛模拟（Monte Carlo simulation）. 要估计渗透阈值，考虑以下计算实验：

· 初始化所有格点为blocked。

· 重复以下操作直到系统渗出：

o 在所有blocked的格点之间随机均匀选择一个格点 (row i, column j)。

o 设置这个格点(row i, column j)为open格点。

· open格点的比例提供了系统渗透时渗透阈值的一个估计。

例如，如果在20×20的网格中，根据以下快照的open格点数，那么对渗滤阈值的估计是204/400 = 0.51，因为当第204个格点被open时系统渗透。

通过重复该计算实验T次并对结果求平均值，我们获得了更准确的渗滤阈值估计。 令xt是第t次计算实验中open格点所占比例。 样本均值m提供渗滤阈值的一个估计值； 样本标准差s测量阈值的灵敏性。

二、实验报告+源代码

算法实验报告+代码开源地址（GitHub）

这篇关于XDU算法实验：渗透问题（Percolation）的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！