蓄水池抽样

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：

$$\begin{gathered} P(第i个结点被选中的概率) \\ =P(第i个节点随机值=0)\times P(第i+1个结点随机值\ne 0)\times P(第i+2个结点随机值\ne 0)... \\ =\frac{1}{i}\times (1-\frac{1}{i+1})\times (1-\frac{1}{i+2})\times (1-\frac{1}{i+2})... \\ =\frac{1}{i}\times \frac{i}{i+1}\times \frac{i+1}{i+2}... \\ =\frac{1}{n} \end{gathered}$$