Random Point in Non-overlapping Rectangles 非重叠矩形中的随机点

给定一个非重叠轴对齐矩形的列表 rects，写一个函数 pick 随机均匀地选取矩形覆盖的空间中的整数点。

提示：

1. 整数点是具有整数坐标的点。
2. 矩形周边上的点包含在矩形覆盖的空间中。
3. 第 i 个矩形 rects [i] = [x1，y1，x2，y2]，其中 [x1，y1] 是左下角的整数坐标，[x2，y2] 是右上角的整数坐标。
4. 每个矩形的长度和宽度不超过 2000。
5. 1 <= rects.length <= 100
6. pick 以整数坐标数组 [p_x, p_y] 的形式返回一个点。
7. pick 最多被调用10000次。

示例 1：

输入: 
["Solution","pick","pick","pick"]
[[[[1,1,5,5]]],[],[],[]]
输出: 
[null,[4,1],[4,1],[3,3]]

示例 2：

输入: 
["Solution","pick","pick","pick","pick","pick"]
[[[[-2,-2,-1,-1],[1,0,3,0]]],[],[],[],[],[]]
输出: 
[null,[-1,-2],[2,0],[-2,-1],[3,0],[-2,-2]]

 

输入语法的说明：

输入是两个列表：调用的子例程及其参数。Solution 的构造函数有一个参数，即矩形数组 rects。pick 没有参数。参数总是用列表包装的，即使没有也是如此。

思路：一开始我从矩形中随机选择一个矩形，然后输出矩形中的随机一个点，发现这种方法始终通不过第30个测试样例，于是开始看discuss才发现原来矩形的面积大小意味着选中概率的高低，矩形面积越大，被选中的概率越大，这是一道典型的不等概率选择的问题。

所以为了保证如上的不等概率选择，需要把矩形的面积变成一维的长度向量，累加值放到map里（map的key为累加面积值，value为下标），比如有三个矩形，面积分别为2,4,8，那么map里存的值如下：

<2,0>

<6,1>

<14,2>

这样做的好处是：

1：可以根据key的随机值选择到对应的矩形的下标

2：key永远是单增，且map的key是由小到大自动排序，所以一定可以通过key查询到矩形的第几个索引值。

但是这么做有个问题，测试样例中有非矩形值[1,0,3,0]，这样的话这样面积为0的矩形就永远不会被访问到，所以我们修改map的key为：（矩形宽+1）*（矩形长+1），这样即使上面的情况也会有对应的面积表示（注意，这里的面积不是矩形的真正面积，只是为了能实现不等概率采样的方法）。

参考代码：

class Solution {
public:
	Solution(vector<vector<int>> rects) {
		this->rects = rects;
		for (auto it : rects) {
			sum_area += (it[2] - it[0] + 1)*(it[3] - it[1] + 1);
			m.insert({sum_area, (int)m.size()});
		}
	}

	vector<int> pick() {
		int value = rand() % sum_area;
		int id = m.upper_bound(value)->second;
		vector<int> rec = rects[id];
		int width = (rec[2] - rec[0] + 1);
		int height = (rec[3] - rec[1] + 1);
		return { rand() % width + rec[0],rand() % height + rec[1] };
	}
private:
	vector<vector<int>> rects;
	int sum_area=0;
	map<int, int> m;
};