[算法]洗牌算法

本文为王赟博士在知乎上的文章：10809 一种错误的洗牌算法，以及乱排常数 (1)节选

「洗牌」，或者说随机打乱一个数组中元素的顺序，是编程中的一个常见需求。标准的洗牌算法是 Fisher-Yates shuffle，用 JavaScript 实现如下：

function shuffle(A) {
    for (var i = A.length - 1; i > 0; i--) {
        var j = Math.floor(Math.random() * (i + 1));
        var t = A[i]; A[i] = A[j]; A[j] = t;
    }
}

其基本思路是，每次从未打乱的部分等可能地选一个元素，把它与未打乱部分的最后一个元素交换。

Fisher-Yates 洗牌算法的实现十分简单，并且它可以保证均匀性，即元素的各种排列顺序出现的概率都相等。但是，很多人闭门造车地发明了一些「错误」的洗牌算法实现，它们不能保证均匀。例如，最常见的一种错误实现如下：

function shuffle(A) {
   for (var i = 0; i < A.length; i++) {
       var j = Math.floor(Math.random() * A.length);
       var t = A[i]; A[i] = A[j]; A[j] = t;
   }
}

其原理是，在第 i 次循环中，从所有元素中等可能地选一个元素，与第 i 个元素交换。这种算法的错误可以如下证明：对于一个长度为 [公式] 的数组，算法创造了 [公式] 个等可能的基本事件，这些事件对应于 [公式] 种排列顺序。在非平凡情况下， [公式] 不能被 [公式] 整除，所以各种排列顺序不可能等概率。

另一种错误的洗牌算法是 @Lucas HC在这篇答案中指出的：

A.sort(function() {
    return .5 - Math.random();
}); 

补充：据说网狐棋牌中洗牌就用的该算法。

JavaScript 中数组自带的 sort 方法允许提供一个比较器，其返回值的正负号代表两个元素的大小关系。在上面的代码中，比较器返回的是 -0.5 到 0.5 之间的一个随机数，也就是说每次比较的结果是随机且均匀的。但是，基于随机比较的整个洗牌算法是不均匀的：它的各种运行结果的概率都形如 [公式]（[公式] 为算法执行过程中的比较次数），而我们希望每种顺序的概率都是 [公式] ，在非平凡情况下，后者不能由前者通过加法组合出来。
Lucas HC 指出，当 sort 函数采用插入排序的实现时，各个元素都有较大的概率留在初始位置，并通过统计多次运行的结果进行了验证。

如果你不熟悉编程，我在此可以用大白话把 Lucas HC答案中错误算法的流程叙述一下：设想有 [公式] 个人依次来到一个队伍。每个人到来之后，都想向前插队，但前面每一个人放他过去的概率都是 1/2。最终队伍的状态就是洗牌结果。
5 号元素插到了 3 号位置。这个事件要发生，需要队尾的两个元素放它过去，而前面的一个元素不放它过去，故概率为 1/8。