随机取样问题的几种方法比较

问题1：写一个随机洗牌函数。要求洗出的所有组合都是等概率的。 

这里我们的答案：都假定数组从0开始：

1. 参考Cracking the coding interview--答案20.2

void RandomShuffle1(int a[], int n){
    for(int i=0; i<n-1; ++i){
        int j = rand() % (n-i) + i; // 产生i到n-1间的随机数
        Swap(a[i], a[j]);
    }
}

2. STL中用的random_shuffle算法：参考侯捷STL源码剖析

void RandomShuffle2(int a[], int n){
    for(int i=1; i<n; ++i){
        int j = rand() % (i+1) ; // 产生0到i间的随机数
        Swap(a[i], a[j]);
    }
}

3. 从尾到头类似2：

void RandomShuffle3(int a[], int n){
 for (int i=n-1; i>0; --i) 
    { 
        int j = rand()%(i+1);  // 产生0到i间的随机数
        swap(a[j],a[j]); 
    } 
}

4 从尾到头类似1

void RandomShuffle4(int a[], int n){
 for (int i=n-2; i>=0; --i) 
    { 
        int j =  rand() % (n-i) + i; // 产生i到n-1间的随机数
        swap(a[j],a[j]); 
    } 
}

可以考虑为什么STL中选取的是第二种方法呢？

问题2：随机地从大小为n的数组中选取m个元素出来，然后输出。要求每个元素被选中的概率都相等。

假设有一个5维数组：1，2，3，4，5。如果第1次随机取到的数是4， 那么我们希望参与第2次随机选取的只有1，2，3，5。既然4已经不用， 我们可以把它和1交换，第2次就只需要从后面4位(2,3,1,5)中随机选取即可。同理， 第2次随机选取的元素和数组中第2个元素交换，然后再从后面3个元素中随机选取元素， 依次类推。

1. 参见编程珠玑

void getRandNumber1(int A[], int m, int n)
{
	srand(time(NULL));
	int i;
	for(i=0;i<n;++i)
	{		
		if( rand()%(n-i) < m)
		{
			printf("%d  ",A[i]);
			m--;
		}
	} 	
}

2. 利用set中的元素不重复性：参见编程珠玑

void getRandNumber2(int A[], int m,int n)
{
	srand(time(NULL));
	set<int> S;
	while(S.size()<m)   //直到填满 
		S.insert(A[rand()%n]);
	set<int>::iterator i;
	for(i=S.begin();i!=S.end();++i)
		cout<<*i<<" "; 
}

当m接近n时，该算法要丢掉很多随机数，因为它们之前已经在集合中，故修改成下面算法，最坏情况下也只用m个随机数。

Floyed 基于集合的算法：参考编程珠玑

void getSet(int A[], int m,int n)
{
    srand(time(NULL));
    set<int> S;
    for(int i=n-m;i<n;++i)
    {
        int t=rand()%(i+1);
        if(S.find(t) == S.end())
                S.insert(A[t]);
        else
                S.insert(A[i]);
    } 
    set<int>::iterator j;
    for(j=S.begin();j!=S.end();++j)
        cout<<*j<<" "; 
}

3. 参考Cracking the coding interview--答案20.3

void getRandNumber3(int A[], int m, int n)
{
       srand(time(NULL));
	for(int i=0;i<m;++i)
	{
		int j = rand()%(n-i)+i;  //产生i-n-1的随机数
		swap(A[i],A[j]);
	}
	for(i=0;i<m;++i)
		cout<<A[i]<<" ";
}

4. 蓄水池抽样算法：

void getRandNumber4(int A[], int m, int n)
{
       srand(time(NULL));
	for(int i=m;i<n;++i)
	{
		int j = rand()%(i+1)  //产生0-i的随机数
		if( j<m)
			swap(A[i],A[j]);
	}
	for(i=0;i<m;++i)
		cout<<A[i]<<" ";
}

先把前m个元素放入蓄水池，对第m+1个元素，我们以m/(m+1)概率决定是否要把它换入蓄水池，换入时随机的选取一个作为替换项，这样一直做下去，对于任意的样本空间n，对每个元素的选取概率都为m/n，也就是说对每个元素选取概率相等。

当n未知的时候，算法4同样能处理，这是前面三个算法无法做到的。