【采样】多项式采样

思路：

将每个概率值对应到[0,1]区间内的各个子区间（概率值大小体现在子区间的长度上），每次采样时，按照均匀分布随机生成一个[0,1]区间内的值，其落到哪个区间，则该区间概率值对应的元素即为被采样的元素；

算法：
1、先对概率值从大到小排列（不是必要过程，是便于加速的技巧，这样每次查找时优先检测随机数是否落在大概率的区间内，减少比较次数）；
2、生成一个[0,1)区间内的随机数x （注意，Rand().nextDouble()得到的是[0,1)区间内的数，而wikipedia给出的算法中要求生成的是(0,1)区间的数）；
3、将x与概率值列表中的各值pi逐个比较，并累加已比较过的前i-1个概率值的累加和sum：
若x落在[sum, sum+pi)区间内，则pi对应的元素被采样并返回 （注意区间的开闭应该参考步骤2中的情况）；
否则，将pi累加入sum，继续将x与p(i+1)比较；

Tips：
若程序退出时仍未采到合法样本，则可能给定的概率分布不满足∑pi=1的条件（且x刚好落在[1-sum, 1)区间内）；

应用场景：
机器学习（如强化学习）中，利用softmax函数定义policy，根据多项分布选择对应的action（使得agent有较大概率选到当前模型下的最佳action，又有一定的几率去探索其他action ）；
softmax policy的另一种替代方式是epsilon-learning中用epsilon来控制探索和利用的几率的方式，即以epsilon的概率进行探索（随机选一个action），以1-epsilon的概率进行利用（选当前模型下最佳action）；