算法——蓄水池抽样算法

1. 问题

给定一个数据流，数据流的长度$N$未知，要求从中选择$m$个数，每个数字被选择的概率都是$\frac{m}{N}$

2. 做法

有一个算法可以用于解决上述问题，该算法名称是蓄水池抽样算法。

算法的步骤如下：

1. 若接收的数据流的长度小于$m$，则直接把接收的数据放入蓄水池中。
2. 当接收到第$i$个数据时，$i\ge m$，在区间$[0,i)$中生成一个随机数random。若random < m，就替换把第random个蓄水池中的数据替换为第i个数据。
3. 重复步骤2，直到处理完所有的数据。

3. 原理

4. 代码

4.1 生成随机数的方法

4.1.1 生成一个随机数

cout << rand() << endl;

4.1.2. 生成区间[a,b)一个随机数

cout << (rand() % (b - a)) + a << endl;

4.2 蓄水池抽样算法的代码

int cnt = 0;
int arr[m] = {};
while(cin >> x){
    if(cnt < m) arr[cnt] = x;
    else{
        int addr = rand() % (cnt + 1);  // 生成一个随机数
        if(addr < m) arr[addr] = x;
    }
    ++ cnt;
}

5. LeetCode例题

382.链表的随机节点
398.随机数索引