红包分配算法的实现

1. 前言

• 最近在做一个抢红包的项目，关于红包怎么分配，才能达到一个最佳效果，我做了一些调研以及对应的实现方案。
• 关于每个红包金额的范围采用二倍均值算法[0 .01 - M/N * 2]，其中M表示总金额，N表示红包个数。比如：总金额100元分为10个红包，均值：100/10=10元，每个红包金额的范围就是 [0.01 - 20]，即1分到20元之间，但范围内的随机值该如何产生，接下来进行分析

2.生成随机数算法

• 线性同余算法：生成一个均匀分布的伪随机数，例如：java.util.Random.next()方法，有规则的随机，使用的是48-bit的种子，然后调用一个linear congruential formula线性同余方程，特点：在给定种(seed)的区间内随机生成数字。相同种子数的Random对象，相同次数生成的随机数字是完全相同的。
• 正态（高斯）分布：若随机变量X服从一个数学期望为 $\mu$ 、方差为 ${\sigma }^2$ 的高斯分布，记为N(μ， ${\sigma }^2$ )。其中期望值（均数） $\mu$ 决定了位置，其标准差 $\sigma$ 决定了分布的幅度（ $\sigma$ 越小曲线越尖峭）。N(0, 1)表示标准正态分布。可以利用正态分布近似估算二项分布和泊松分布。正态分布函数密度曲线公式如下：
  $$f(x)=\frac{1}{\sigma \sqrt{2\pi }}{e}^{-\frac{1}{2}{\left(\frac{x-\mu }{\sigma }\right)}^2}$$
  • 正态分布与其它分布的区别：正态分布是连续分布，泊松分布，二项分布都是离散分布； 二项分布的极限分布是泊松分布、泊松分布的极限分布是正态分布。正态分布符合中心极限定理：在特定条件下，大量统计独立的随机变量的平均值的分布趋于正态分布。
  • 正态分布的特点：符合68-95-99.7法则，即68.3%的面积在平均数左右的一个标准差 $\sigma$ 范围内；95.4%两个 σ \sigma