编程珠玑12章习题 12.9 FLoyd随机取样算法的证明（转自编程珠玑续）

13.3  随机排列

一些使用随机样本的程序要求样本的元素以随机的顺序出现。这样的序列被称为无重复的随机排列。例如，在测试一个排序程序的时候，随机产生的输入必须以随机的顺序出现；如果输入总是有序的，那么可能不能充分地测试排序代码。

我们可以利用Floyd算法F2产生一组随机样本，然后把它复制到一个数组中，最后打乱数组中元素的顺序。这段代码用于随机地打乱数组 的顺序：

 
 
for I := M downto 2 do  
    J := RandInt(1,  I)  
    Swap(X[J], X[I]) 

这个只有三个步骤的方法调用了RandInt函数2M次。

当本章原来在《ACM通讯》上发表后，几位读者发现上面的伪代码经过小的修改后，能够从1..N的整数中产生M元随机排列并放入X[1..M]中：

 
 
for I := 1 to N do  
    X[I] := I 
for I := 1 to M do  
    J := RandInt(I, N)  
    Swap(X[J], X[I]) 

这个算法很容易实现成代码，但是它需要O(N)的运行时间和O(N)的空间。下面我们会看到，Floyd的算法在N相对于M比较大的时候，相比之下会更有效率。

Floyd的随机排列产生器与他的算法F2类似。为了产生1~N内的一组M元排列，它会先从1~N 1中产生一组M 1元的排列。（算法的递归版本中没有变量J。）但是，排列产生器的主要数据结构是序列而非集合。下面是Floyd的算法P。

算法P

 
 
initialize sequence S to empty  
for J := N - M + 1 to N do  
     T   = RandInt(1, J)  
     if T is not in S then  
          prefix T to S  
      else  
    insert J in S after T 

从习题5可以看出，算法P在随机位的使用上尤其高效。习题6讨论了序列S的高效率实现。

我们可以从算法在M=N时的行为得到关于算法P的直观的感觉，此时算法生成N元的随机排列，其中J从1到N循环。在执行循环体之前，S是一个1~J 1的整数的随机排列。循环体把J插入到序列中仍然保持了这一点；当T=J时，J成为第一个元素，否则J被随机放置于已经存在的J 1个元素的某一个之后。

一般地，算法P以等概率生成1~N内的每一个M元排列。Floyd对于正确性的证明用到循环不变式：第i轮循环后，J=N M+i且S可能是1~J中i个不同整数的任意排列，并且只有一种途径可以生成这个排列。

Doug McIlroy发现了一种优雅的方式来说明Floyd的证明：对于任何一个排列，有且仅有一种途径来生成它，因为算法是可以逆推的。例如，假设M=5，N=10，且最终的序列为

 
 
7 2 9 1 5 

由于10（J的最终取值）不在S中出现，所以之前的序列肯定是

 
 
2 9 1 5 

且RandInt返回值为T=7。又因为9（相应的J的值）出现在4元序列中的2之后，所以之前的T是2。习题4说明了可以类似地恢复出整个随机数序列。由于假定了所有的随机序列是以相同的可能性出现的，于是所有的排列也同样是等概率的。

我们现在可以利用与算法P的相似性来证明算法F2。在算法的每一步，算法F2中的集合S和算法P中的序列S所含的元素是相同的。因此，1~N的每一个M元子集都由M!个随机序列生成，于是它们是等概率的。