小算法：从N个对象中随机选择M个

小算法：从N个对象中随机选择M个

 

近日工作中遇到一个问题：在游戏中要求从50道题中随机选9道题出来给玩家。随即进行了一些思考，并将次过程整理成文记录于此。

 

从N个对象中随机选择M个作为输出是一个很常见的问题，现有的随机数生成器一般都只产生1个随机整数，因此解决这个问题的时候我们一开始可能会考虑这样解决问题：

#include <stdlib.h> template<class T> // 输入候选对象数组的头指针和元素个数，以及输出对象内存头指针和元素个数 int RandomSelectMfromN(const T *pSrcDatas, const int N, T *pDstDatas, const int M) { if( !pSrcDatas || !pDstDatas || M<=0 ) // 判断输入参数的合法性 return -1; for( int j=0; j<M; j++ ) { int t = ::rand()%N; pDstDatas[j] = pSrcDatas[t]; // 将随机选取的数据放入目标内存 } return 0; }

时间复杂度O(M)，空间复杂性O(1)。
当不要求选出来的M个对象必须是不同的对象时，这样做是没有问题的，即使M>=N，也就是说当要求输出的对象个数，比候选对象都要多的时候，都能正确输出。

首先假定候选对象集合中的对象互不相同，如果要求选出来的对象必须不同时(M<=N，也是必须保证的)。同时，为了保证不重复，需要随机选择之后，判断该对象是否已经选过了，如果选过了，就必须重选：
template<class T> int RandomSelectMfromN(const T *pSrcDatas, const int N, T *pDstDatas, const int M) { if( !pSrcDatas || !pDstDatas || M<=0 ) return -1; if( N<M ) { memcpy(pDstDatas, pSrcDatas, M*sizeof(T)); return 1; } for( int j=0; j<M; j++ ) { int t = ::rand()%(N-j); int i = 0; T value = pSrcDatas[t]; bool bFind = false; for( int i=0; i<j; i++ ) { if( value==pDstDatas[i] ) { bFind = true; break; } } if( true==bFind ) { --j; // 选过了，重选 continue; } pDstDatas[j] = value; } return 0; }

时间复杂度O(M*N)，空间复杂性O(1)。
这样看起来没什么问题，但当M非常接近N时，选到后期，重选的概率非常大，而且每次都要进行将近M次比较才能。如果随即数产生函数不是太好的话，就像上面代码中用的C语言函数库中的随即数生成函数，从18个数中“随机”选择17个输出这样的工作似乎让程序陷入了死循环，因为到了后期，每次随机出来的数都已经和前面已选择的数据重复了。

鉴于上面的问题，看来必须使用点技巧来解决了。在此，我想到的办法是：每次随机选择一个后，我就将这个已经选择过的对象放到一个“角落”里，并在下一次选择时拒绝跑到那个角落里去选，这样一来，就能保证每次选到的数据都不会重复了：
template<class T> int RandomSelectMfromN(const T *pSrcDatas, const int N, T *pDstDatas, const int M) { if( !pSrcDatas || !pDstDatas || M<=0 ) return -1; if( N<M ) { memcpy(pDstDatas, pSrcDatas, M*sizeof(T)); return 1; } int *pTemp = new int[N]; // 记录候选元素的下标 for( int i=0; i<N; ++i ) pTemp[i] = i; for( int j=0; j<M; ++j ) { int t = ::rand()%(N-j); // 每次都只从前N-j个对象里选 pDstDatas[j] = pSrcDatas[pTemp[t]]; // swap<int>(pTemp[t], pTemp[N-j-1]); // 选出一个后，就把选出来的元素放到后面去，以保证下次随机选择时不会选择到同样下标的元素。 } delete []pTemp; return 0; }

时间复杂度O(M)，空间复杂性O(N)。
创建一个新的数组pTemp，而不直接使用pSrcDatas，是为了不破坏pSrcDatas里的内容；pTemp只保存下标也是为了更好的节省空间，因为类型T可能要占用很大空间。
这种方法的确比上面那种方法好多了，毕竟，不管输入的数据是什么，它都能在固定的时间内完成任务，而且时间复杂度控制得很好。可惜pTemp空间的创建给程序的运行带来了一些不确定性，如果输入的候选对象数量庞大，这里的内存消耗也是很可观的；pTemp内存申请失败的话，程序无法继续运行。
不使用pTemp，就不能让选过的元素放到“选不到的地方”了。不真正进行移动操作，只是进行假想的移动，然后推算出该位置上的元素就可以了：

template<class T> int RandomSelectMfromN(const T *pSrcDatas, const int N, T *pDstDatas, const int M) { if( !pSrcDatas || !pDstDatas || M<=0 ) return -1; if( N<M ) { memcpy(pDstDatas, pSrcDatas, M*sizeof(T)); return 1; } for( int j=0; j<M; j++ ) { int t = ::rand()%(N-j); int i = 0; T value = pSrcDatas[t]; for( int i=0; i<j; i++ ) { if( value==pDstDatas[i] ) { value = pSrcDatas[N-i-1]; i = -1; } } pDstDatas[j] = value; } return 0; }

时间复杂度O(M*M)，空间复杂性O(1)。
通常情况下，即使没有发生重复，上述算法也要进行(M-1)*M/2次检测，看是否发生了重复选择，平均每次选择随机数后要检测(M-1)/2次；如果发现选了重复的对象，算法便开始计算该位置上进行完假想的“移动”操作后的真实对象，极端情况下最多(M-1)*(M-1)次检索后找到该位置上进行完假想的“移动”操作后的真实对象。因此，这也引证了一句话：小概率事件发生时，只能通过更多的计算来弥补了。

最后，附上我的测试用例：
int main(int argc, unsigned char* argv[]) { const int N = 18; const int M = 15; int src[N] = {2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19}; int dst[M]; memset( dst, 0, sizeof(int)*M ); RandomSelectMfromN<int>(src, N, dst, M); cout << "dst ="; for( int i=0; i<M; i++ ) { cout << " " << dst[i]; } cout << "/n"; return 0; }

 

也欢迎就此问题进行深入探讨！