蓄水池抽样算法

问题定义

长度为N的链表，N很大，但是不知道具体有多大。从N个元素中随机取出K个元素，只能遍历一次链表。用到的算法保证取出的元素恰好有K个，且他们是完全随机的（出现概率均相等）。

求解

该算法是针对从一个序列中随机抽取不重复的K个数，保证每个数被抽取到的概率为k/n这个问题而构建的。做法是：

首先构建一个可放K个元素的蓄水池，将序列的前K个元素放入蓄水池中。然后从第K+1个元素开始，以K/n的概率来决定该元素是否被替换到池子中，当遍历完所有元素之后，就可以得到随机挑选出的K个元素。复杂度为O(n)

其伪代码如下：

Init : a reservor(蓄水池) with the size:K

for i = k+1 to N

M = random(1,i);

if(M < K)

SWAP the Mth value and ith value

end for

证明

1.对于第i个数（i <K,在前K步被选中的概率是1，从第一步开始，i不被选中的概率为K/K+1,那么读到第n个数时，第i个数(i < k)被选中的概率 = 被选中的概率* 以后每一步不被换走的概率，即：1  * K/K+1 *  k+1/K+2  *……*n-1/n = K/n

2.对于第j个数（j>=K）

 蓄水池抽样算法i是一系列的堆积算法，其目的在于从包含n个项目的集合S中选取K个样本，其中n为一很大或未知的数量，尤其适用于不能把所有n个项目都放在主内存的情况。

证明当前任意一行为取出行的概率为1/i，i为当前扫描到的行号，也即每一行取出的概率相等    我们用数学归纳法来证明， 当i=1时，当前只浏览了第一行，因此第一行为取出行的概率为1/1=1，符合直接取出的条件 当i=k时，有前k行为取出行的概率为1/k，我们要证明的是，当i=k+1时，前k+1行每一行被取出的概率均相等，且为1/(k+1)。当扫描到第k+1行时，我们以1/(k+1)概率替换choice，易知，第k+1行为choice的概率即为1/(k+1)，对于第k行，其为choice的概率是 第k行为取出行的概率 * 第k+1行没有被取出的概率即，对于第k行的证明同样可应用到前k-1行，对于其中第m行其为choice的概率是 第m行为取出行的概率 * 第m+1行没有被取出的概率 * … *第k+1行没有被取出的概率，即由此证得当i=k+1时，所有行的取出概率为1/(k+1)。证毕