蓄水池抽样
问题的提出
给定一个线性表,设计一个方法随机选取列表中的一个元素,要求每一个节点被选中的概率一样。
思路
如果这个线性表支持随机访问,简单的办法就是获得线性表的表长,然后在这个表长的范围内调用随机函数抽取下标并访问。
但如果这个线性表的是链表,而且长度非常非常长,这种办法将整个链表复制到一个数组中,要额外花费O(n)的空间。
蓄水池抽样法,又称水塘抽样,可以将空间复杂度降低至O(1)。从链表头开始,遍历整个链表,对遍历到的第 i 个节点,随机选择区间 [0,i)内的一个整数,如果其等于 0,则将答案置为该节点值,否则继续遍历。
该算法会保证每个节点的值成为最后被返回的值的概率均为1/n。
证明:
随机选择区间 [0,i)内的一个整数,其等于 0 的概率为 1 / i,根据简单的概率论知识有:
P ( 第 i 个 结 点 被 选 中 的 概 率 ) = P ( 第 i 个 节 点 随 机 值 = 0 ) × P ( 第 i + 1 个 结 点 随 机 值 ≠ 0 ) × P ( 第 i + 2 个 结 点 随 机 值 ≠ 0 ) . . . = 1 i × ( 1 − 1 i + 1 ) × ( 1 − 1 i + 2 ) × ( 1 − 1 i + 2 ) . . . = 1 i × i i + 1 × i + 1 i + 2 . . . = 1 n P(第i个结点被选中的概率) \\ = P(第i个节点随机值=0) × P(第i+1个结点随机值\neq0 )× P(第i+2个结点随机值\neq0 )... \\= \frac {1}{i} × (1-\frac {1}{i+1}) ×(1-\frac{1}{i+2}) ×(1-\frac{1}{i+2}) ... \\=\frac{1}{i} × \frac{i }{i+1} ×\frac{i+1}{i+2}... \\=\frac{1}{n} P(第i个结点被选中的概率)=P(第i个节点随机值=0)×P(第i+1个结点随机值=0)×P(第i+2个结点随机值=0)...=i1×(1−i+11)×(1−i+21)×(1−i+21)...=i1×i+1i×i+2i+1...=n1