关于抢红包算法

1. 二倍均值法

剩余红包金额M，剩余人数N，那么：每次抢到金额=随机(0，M/N*2)
保证了每次随机金额的平均值是公平的
假设10人，红包金额100元
第一人：100/10*2=20，随机范围(0,20)，平均可以抢到10元
第二人：90/9*2=20，随机范围(0,20)，平均可以抢到10元
第三人：80/8*2=20，随机范围(0,20)，平均可以抢到10元
以此类推，每次随机范围的均值是相等的

即假设N个人,红包金额M元，

第一次平均抢到M/N元，第二次抢到(M-M/N)/(N-1)=M/N,以此类推，每个人的均值都一样。
缺点：除了最后一次，任何一次抢到的金额都不会超过人均金额的两倍，并不是任意的随机。

这儿选用matlab写程序，方便保存数据和绘图。300个人抢500元，重复200次。

temp=[]; 
for mm=1:200
s=[];b=[];
num=300;total=500;
rest=total;m=1;
    for i=1:num
        b=rand(1,1);
        amount=(b*2*rest)/num;
        num=num-1;
        rest=rest-amount;
        s=[s,amount];
        m=m+1;
    end
    temp=[temp;s];
end
 ave=mean(temp);
 sum=temp';
 %figure('Numbertitle','off','name','平均1');
 subplot(2,2,1);plot(ave);axis([0,300,0,2]);title('200次平均');
 %figure('Numbertitle','off','name','总和1');
 subplot(2,2,2);plot(sum,'o');title('总体');
 %figure('Numbertitle','off','name','平均分布1');
 subplot(2,2,3); histfit(ave);title('平均分布');
 %figure('Numbertitle','off','name','总和分布1');
 subplot(2,2,4);histogram(sum);title('总体分布');

    

结果如图：

200次平均下来，每个人拿的钱差不多，保证了公平性。总体来看，最后一个人有几率拿到更多的钱，所以风险规避者应该先抢，风险偏爱者应该后抢（有风险^-^）。总体来看，大多数人抢的钱在（0,4）内。从2图上可以很明显的看出缺点：除了最后一次，任何一次抢到的金额都不会超过人均金额的两倍，并不是任意的随机。

3. 线段分割法

把红包总金额想象成一条很长的线段，而每个人抢到的金额，则是这条主线段所拆分出的若干子线段。

当N个人一起抢红包的时候，就需要确定N-1个切割点。

因此，当N个人一起抢总金额为M的红包时，我们需要做N-1次随机运算，以此确定N-1个切割点。

随机的范围区间是（1， M）。当所有切割点确定以后，子线段的长度也随之确定。这样每个人来抢红包的时候，只需要顺次领取与子线段长度等价的红包金额即可。当随机切割点出现重复，应当再次随机（我选择假设无重复^-^）。

同样300个人抢500元的红包，重复200次。

num=300;total=500;
sum=[];
for m=1:200
    ss=[];sss=[];
for i=1:num-1
s=rand*total;
ss=[ss,s];
end
sss=sort(ss);
sss=[sss,total];
jin=[sss(1)];
for j=1:num-1
    m=sss(j+1)-sss(j);
    jin=[jin,m];
end
sum=[sum;jin];
end
ave=mean(sum);figure;
%figure('Numbertitle','off','name','平均2');
subplot(2,2,1);plot(ave);axis([0,300,0,2]);title('200次平均')
%figure('Numbertitle','off','name','总体2');
subplot(2,2,2);plot(sum,'o');title('总体')
%figure('Numbertitle','off','name','平均分布2');
subplot(2,2,3);histfit(ave);title('平均分布')
%figure('Numbertitle','off','name','总体分布2');
subplot(2,2,4);histogram(sum);title('总体分布')

结果如图：

与二倍均值法相比，改善了缺点。越大金额抢到的人数越少。