一、利用等概率Rand5产生等概率Rand3。
分析:算法很简单,x是我们最终要输出的数字,只要它不在[0, 3)范围内,就不断地调用Rand5来更新它。
int Rand3()
{
int x;
do
{
x = Rand5();
} while (x > 3);
return x;
}
二、已有方法rand7 可生成 1 到 7 范围内的均匀随机整数,试写一个方法 rand10生成 1 到 10 范围内的均匀随机整数。
要求:不要使用系统的Math.random()方法,rand7 已定义。传入参数: n 表示 rand10 的调用次数。
1、公式解法
class Solution {
public:
int rand10() {
while(true){
int num = (rand7()-1)*7+rand7();
if(num<=40) return num%10+1;
}
}
};
2、在上面第一种解法中我们生成了 [1, 49] 的随机数,但只使用了 [1, 40] 的随机数。将[41, 49] 之间的数减去 40 可以得到 [1, 9] 之间的随机数,也就是 rand9(),通过 rand9() 和 rand7(),我们可以得到 rand63(),然后再对 [1, 63] 拒绝采样。具体如下:
class Solution {
public:
int rand10() {
while(true){
int num = (rand7()-1)*7+rand7();
if(num<=40) return num%10+1;
int a = num - 40; // rand9()
num = (a-1)*7+rand7(); // rand63()
if(num<=60) return num%10+1;
a = num - 60; // rand3()
num = (a-1)*7+rand7(); // rand21()
if(num<=20) return num%10+1;
}
}
};
三、如何用rand5()生成rand7()
//生成随机数7;
int rand7()
{
int x = 0;
do
{
x=5*(rand5()-1) + rand5();利用公式法 生成1——25之间的随机数
}while(x>7);
return x;
}
分析: while循环要进行很多次才能返回。 因为Rand25会产生1到25的数,而只有1到7时才跳出while循环, 生成大部分的数都舍弃掉了。这样的实现明显不好。我们应该让舍弃的数尽量少, 于是我们可以修改while中的判断条件,让x与最接近25且小于25的7的倍数相比。 于是判断条件可改为x > 21,于是x的取值就是1到21。 我们再通过取模运算把它映射到1-7即可。
//生成随机数7;
int rand7()
{
int x = 0;
do
{
x=5*(rand5()-1) + rand5();//生成1——25之间的数
}while(x>21);
return x%7+1;
}
四、工行有30万员工,现在要均匀抽出1万员工发奖品,提供一个16位的随机数生成器函数 rand16() 可供随意调用,请写一个函数 selectLuckyStaffs() 实现这个功能。
类似题目:工行有30万个员工,其工卡号码分别是1~30万,在接下来的某天他们将举行年会,需要抽出10万个员工发奖品。
分析: 生成随机函数结合洗牌算法
int rand300000(){
int x = 0;
do
{
x=65536*(rand16()-1) + rand16();
}while(x>14316*300000);
//14316*300000是最接近65536*65536的值,主要是为了减少while循环,拒绝采样的次数。
return x%300000+1;
}
set<int> solution(int targetNum){
set<int> result;
while(result.size()!=targetNum) {
int selectNum= rand300000();
while(result.find(selectNum)!=result.end()){
selectNum=rand300000();
}
result.insert(selectNum);
}
}
蓄水池抽样问题
对应蓄水池抽样问题,先把读到的前k个对象放入“水库”,对于第k+1个对象开始,以k/(k+1)的概率选择该对象,以k/(k+2)的概率选择第k+2个对象,以此类推,以k/m的概率选择第m个对象(m>k)。如果m被选中,则随机替换水库中的一个对象。最终每个对象被选中的概率均为k/n。 第n个数有k/n的概率落到水库中。
选出m个不重复的数据
给定一个数据流,数据流长度N很大,且N直到处理完所有数据之前都不可知,请问如何在只遍历一遍数据(O(N))的情况下,能够随机选取出m个不重复的数据。
算法思路大致如下:
- 如果接收的数据量小于k,则依次放入蓄水池。
- 当接收到第i个数据时,i >= k,在[0, i]范围内取随机数d,若d的落在[0, m-1]范围内,则用接收到的第i个数据替换蓄水池中的第d个数据。
- 重复步骤2。
链表随机节点
给定一个单链表,随机选择链表的一个节点,并返回相应的节点值。保证每个节点被选的概率一样。
进阶: 如果链表十分大且长度未知,如何解决这个问题?你能否使用常数级空间复杂度实现?
class Solution {
public:
ListNode* tmpHead;
Solution(ListNode* head) {
tmpHead = head;
}
/** Returns a random node's value. */
int getRandom() {
ListNode* point = tmpHead;
// 水池大小为1, 所以定义一个常量就好
int result = point->val;
// 指针指向下一个元素
point = point->next;
int index = 1;
while (point != NULL) {
index++;
// 生成0 --> (index - 1)的数
int randomNum = rand() % index;
// 如果随机数等于0, (需要替换水池中的元素)
if (randomNum == 0) {
result = point->val;
}
point = point->next;
}
return result;
}
};
随机数索引
给定一个可能含有重复元素的整数数组,要求随机输出给定的数字的索引。 您可以假设给定的数字一定存在于数组中。注意:数组大小可能非常大。 使用太多额外空间的解决方案将不会通过测试。
示例:
int[] nums = new int[] {1,2,3,3,3};
Solution solution = new Solution(nums);
// pick(3) 应该返回索引 2,3 或者 4。每个索引的返回概率应该相等。
solution.pick(3);
// pick(1) 应该返回 0。因为只有nums[0]等于1。
solution.pick(1);
思路:蓄水池采样
class Solution {
public:
vector<int> matrix;
Solution(vector<int>& nums) {
//就是起到一个传递的作用,赋给一个全局变量,让pick()函数可以使用
matrix = nums;
}
int pick(int target) {
int size = matrix.size();
int count = 1;
int val;
for(int i = 0; i < size; i++){
if(matrix[i] == target){
if(rand()%count == 0){
val = i;
}
count++;
}
}
return val;
}
};