【每天一道算法题】蓄水池算法

有一台机器按自然数序列的方式吐出球（1号球，2号球，3号球，……），你有一个袋子，袋子最多只能装下K个球，并且除袋子以外，你没有更多的空间。设计一种选择方式，使得当机器吐出第N号球的时候（N＞K），袋子中的球数是K个，同时可以保证从1号球到N号球中的每一个被选进袋子的概率都是K/N。举一个更具体的例子，有一个只能装下10个球的袋子，当吐出100个球时，袋子里有10个球，并且1～100号中的每一个球被选中的概率都是10/100。然后继续吐球，当吐出1000个球时，袋子里有10个球，并且1～1000号中的每一个球被选中的概率都是10/1000。继续吐球，当吐出i个球时，袋子里有10个球，并且1～i号中的每一个球被选中的概率都是10/i，即吐球的同时，已经吐出的球被选中的概率也动态地变化。

---

解答：

这道题的核心解法就是蓄水池算法，我们先说这个算法的过程，然后再证明。1.处理1～k号球时，直接放进袋子里。
2.处理第i号球时（i＞k），以k/i的概率决定是否将第i号球放进袋子。如果不决定将第i号球放进袋子，直接扔掉第i号球。如果决定将第i号球放进袋子，那么就从袋子里的k个球中随机扔掉一个，然后把第i号球放入袋子。
3.处理第i+1号球时重复步骤1或步骤2。
过程非常简单，但为什么这个过程就能保证从1号球到n号球中的每一个被选进袋子的概率都是k/n呢？以下是证明过程。
假设第i号球被选中（1≤i≤k），那么在选第k+1号球之前，第i号球留在袋子中的概率是1。
在选第k+1号球时，在什么情况下第i号球会被淘汰呢？只有决定将第k+1号球放进袋子，同时在袋子中的第i号球被随机选中并决定扔掉时，第i号球才会被淘汰。也就是说，第i号球会被淘汰的概率是（k/（k+1））×（1/k）=1/（k+1），所以第 i号球留下来的概率就是 1-（1/（k+1））=k/（k+1），这也是1号球到第k+1号球的过程中，第i号球留下来的概率。
在选第k+2号球时，什么情况下第i号球会被淘汰？只有决定将第k+2号球放进袋子，同时在袋子中的第i号球被随机选中并决定扔掉时，第i号球才会被淘汰。也就是说，第i号球会被淘汰的概率是（k/（k+2））×（1/k）=1/（k+2），则第i号球留下来的概率就是1-（1/（k+2））=（k+1）/（k+2），那么从1号球到第k+2号球的过程中，第i号球留在袋子中的概率是 k/（k+1）×（k+1）/（k+2）。
在选第k+3号球时，……。那么从1号球到第k+3号球的过程中，第i号球留在袋子中的概率是 k/（k+1）×（k+1）/（k+2）×（k+2）/（k+3）。
依此类推，在选第N号球时，从1号球到第N号球的全部过程中，第i号球最终留在袋子中的概率是k/（k+1）×（k+1）/（k+2）×（k+2）/（k+3）×（k+3）/（k+4）×…×（N-1）/N=k/N。
假设第i号被选中（k＜i≤k），那么在选第i号球时，第i号球被选进袋子的概率是k/i。
在选第i+1号球时，在什么情况下第i号球会被淘汰？只有决定将第i+1号球放进袋子，同时在袋子中的第i号球被随机选中并决定扔掉时，第i号球才会被淘汰。也就是说，第i号球会被淘汰的概率是（k/（i+1））×（1/k）=1/（i+1）。那么第i号球留下来的概率就是1-1/（i+1）=i/（i+1），从i号球被选中到第i+1号球的过程中，第i号球留在袋子中的概率是（k/i）×（i/（i+1））。
在选第i+2号球时，从i号球被选中到第i+2号球的过程中，第i号球留在袋子中的概率是（k/i）×（i/（i+1））×（（i+1）/（i+2））。
依此类推，在选第N号球时，从i号球被选中到第N号球的过程中，第i号球最终留在袋子中的概率是（k/i）×（i/（i+1））×（（i+1）/（i+2））×…×（N-1）/N=k/N。
综上所述，按照步骤 1～步骤 3操作，当吐出球数为 N时，每一个球被选进袋子的概率都是k/N。具体过程请参看如下代码中的getKNumsRand方法。