蓄水池采样法

看到一个非常有趣的题目，学会了一个非常巧妙的算法：

如何从n个数中随机的选择k个数？

如果采用直接产生随机数的方法，当n和m都很大时，随机数产生重复的概率会很大，算法性能会大大降低。

这里采用蓄水池算法，算法代码很简答，假设从n个数中选择k个数：

    for (int i=k+1;i<=n;i++)
    {
        int p=rand(1,i);
        if (p<=k)
            swap(i,p);
    }

解释一下算法是如何工作的：

先假设只有k个数，前k个数都已经被选择进入备选池，备选池内的数保证当前所有数据每个数被选择的概率相同。

这里使用数学归纳法来证明：

对第k+1个数：

被选择到进行交换的概率为k/(k+1)，即发生替换的概率为k/(k+1)。

对于备选池内的每个数，被替换的概率为1/k，即备选池内每个数被替换的概率为k/(k+1)   *   1/k   =   1/(k+1)，留下的概率为1-1/(k+1)=k/(k+1)。

假设第k+t个数成立，对k+t+1个数来说：

被选择到进行交换的概率为k/(k+t+1)，即发生替换的概率为k/(k+t+1)。

对于备选池内的每个数，一个数在备选池内的概率为k/(k+t)，被替换的概率为1/k，即备选池内每个数被替换的概率为k/(k+t+1)   *   1/k   =   1/(k+t+1)，

留下的概率为(k/(k+t)) * (1-1/(k+t+1)) = k/(k+t+1)。

证明完毕。