随机洗牌算法整理

在游戏里面有各种“随机”的需求,比如从n个用户里面随机给m个发奖励。那么,要如何实现呢?简单的来说,可以调一个stl的函数来实现,伪代码如下:

vector<int> foo(vector<int> & player, int m)
{
  std::random_shuffle(players.begin(), players.end());

  vector<int> result;
  for (size_t i = 0; i < m; i++)
  {
      result.push_back(players[i]);
  }
  return result;
}

那shuffle背后是怎么实现的呢?或者说如何设计高效并且保证随机概率是相同的洗牌算法呢?

1. 不带权重的随机洗牌算法
  • 最笨的方法
    从数组里面随机拿出两个元素,进行交换。完成一次洗牌。不停的重复以上过程。重复k次。当k足够大的时候,就洗均匀了。这个方法没什么好说的,除了简单以外就全是缺点了。

  • Yates洗牌
    这个方法是一个很古老的方法,非常好理解。思路是是每次从数组里面随机抽一个元素,放到另外的结果集中。然后不停的重复上述过程,直到抽出m个。但是,由于这个方法要每次对数组的元素进行删除,所以,时间复杂度为O(m*n) 。

  • knuth洗牌 (高德纳洗牌)

算法的思路是,从头开始遍历数组,对于下标是i的元素,从i到n之间随机出一个下标,对这个元素进行交换。

伪代码的流程是:

for i in (0, n) 
    从i 到 n随机出一个数j
    交换a[j] 和 a[i]

知乎上有个很有意思的问题有哪些惊艳你的算法?,也提到了这个洗牌算法。

有哪些算法惊艳到了你? - 刘宇波的回答 - 知乎
https://www.zhihu.com/question/26934313/answer/743798587


小结:
knuth算法保留了原数组的所有元素,仅改变了元素的顺序,时间复杂度为O(m)。


2. 带权重的随机洗牌算法

上述讨论的问题是“如何公平的从长度是n的数组里面随机出m个”,这里的假设是每个元素被随机出来的概率是相同的。

那问题再复杂些,希望实现“非公平抽奖”,比如:一个集合里有 n 个元素,每个元素有不同的权重,现在要不放回地随机抽取 m 个元素,每个元素被抽中的概率为元素的权重占总权重的比例。

  • 朴素带权重抽样方法

简化下问题模式,假设权重的和为1,只抽一个人获奖m=1。比如 :a,b,c,d 的权重分别是 0.1,0.3,0.2,0.4,从里面选一个中奖。

那这个就很简单了,从0~1之间随机一个数,这个数落在谁的区间上,就算谁中奖。

|-0.1-|---0.3---|--0.2--|----0.4----|
   ^       ^        ^         ^
   a       b        c         d

数学的原理很简单,可以理解为 上面的线段上随机出一个数字,谁占的长度多(概率大就是长度多),那么谁中奖的概率就大。

刚才是问题的简化版本 m=1(只有一个人中奖),如果希望是m=2的话,就重复上述过程m次。当有人抽到了,就把它移除出来,然后再重复。

# m=1只有一个人抽奖的情况
# weight_data 的数据类型为 dict
def random_weight(weight_data):
    total = sum(weight_data.values())    # 权重求和
    ra = random.uniform(0, total)   # 在0与权重和之前获取一个随机数
    curr_sum = 0
    ret = None
    keys = weight_data.keys()        # 使用Python3.x中的keys
    for k in keys:
        curr_sum += weight_data[k]             # 在遍历中,累加当前权重值
        if ra <= curr_sum:          # 当随机数<=当前权重和时,返回权重key
            ret = k
            break
    return ret
# 当需要 m > 1的时
def foo(data, N):
    results = []
    i = 0
    while i < N:
        m = random_weight(data)   # 重复n次
        if m in results:
            continue
        results.append(m)
        i = i+1
    return results

小结:
如果要选取 m 个元素,则可以按上面的方法先选取一个,将该元素从集合中去除,再反复按上面的方法抽取剩余的元素。这种方法的复杂度是 O(mn),并且将元素从集合中删除其实不太方便实现。

对于带权重抽样,有两个更好的方法来解决朴素带权重抽样的一些弊端,具体的细节在这里:


参考:

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,688评论 1 330
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,559评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,749评论 0 226
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,581评论 0 191
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,741评论 3 271
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,684评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,122评论 2 292
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,847评论 0 182
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,441评论 0 228
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,939评论 2 232
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,333评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,783评论 2 236
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,275评论 3 220
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,830评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,444评论 0 180
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,553评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,618评论 2 249

推荐阅读更多精彩内容