轮盘算法的小改进

网上看到很多用轮盘算法，都是采用的如下图的模式，

 

1.随机出N个个体的值，

2.遍历统计sum

3.double类型存储单个概率。

4.合计概率。

但个人觉得其实完全没必要这么计算，一方面double类型的转换要花时间，另一方面多次遍历感觉不大好。

故试作了另一种轮盘算法，思路是取消概率分算，直接用sum值来对比。

对比了一下两种计算，新算法快了几十倍，有兴趣的可以验证一下，下面是运行截图与测试代码。

import java.util.Arrays;

public class RotaryDemo {
	public static void main(String[] args) {
		select1();
		System.out.println();
		select2();
	}

	/**
	 * 第一种算法，对应累计概率确定选择是哪个，由于概率大的拥有数值大，故被选择概率大
	 */
	private static void select1() {
		long t1 = System.nanoTime();
		int arr[] = new int[10];// 单个数值
		double p[] = new double[10];// 计算概率
		double p_sum[] = new double[10];// 累计概率，对应轮盘值
		int sum = 0;
		for (int i = 0; i < 10; i++) {
			arr[i] = (int) (Math.random() * 100);
			sum += arr[i];
		}
		p[0] = 1.0 * arr[0] / sum;
		p_sum[0] = p[0];
		for (int i = 1; i < arr.length; i++) {
			p[i] = 1.0 * arr[i] / sum;
			p_sum[i] = p_sum[i - 1] + p[i];
		}
		System.out.println(Arrays.toString(arr));
		System.out.println(Arrays.toString(p));
		System.out.println(Arrays.toString(p_sum));
		double r = Math.random();
		for (int i = 0; i < p_sum.length; i++) {
			if (p_sum[i] > r) {
				t1 = System.nanoTime() - t1;
				System.out.println("选中第" + i + "个，概率为" + p_sum[i] + "，抽奖随机概率为：" + r + "费时：" + t1);
				break;
			}
		}
	}

	/**
	 * 第二种算法，不算概率，只求合计，得出累计值
	 */
	private static void select2() {
		long t1 = System.nanoTime();
		int arr[] = new int[10];// 单个数值
		int p_sum[] = new int[10];
		int sum = 0;
		for (int i = 0; i < 10; i++) {
			arr[i] = (int) (Math.random() * 100);
			if (i == 0) {
				p_sum[i] = arr[i];
			} else {
				p_sum[i] = p_sum[i - 1] + arr[i];
			}
			sum += arr[i];
		}
		System.out.println(Arrays.toString(arr));
		System.out.println(Arrays.toString(p_sum));
		double r = Math.random();
		int m = (int) (r * sum);
		for (int i = 0; i < p_sum.length; i++) {
			if (p_sum[i] > m) {
				t1 = System.nanoTime() - t1;
				System.out.println("选中：" + i + "个，概率为" + (arr[i] * 1.0 / sum) + "，抽奖随机概率为：" + r + "费时：" + t1);
				break;
			}
		}
	}