蓄水池抽样问题

1.问题描述：

随机抽样问题表示如下：
要求从N个元素中随机的抽取k个元素，其中N无法确定。
这种应用的场景一般是数据流的情况下，由于数据只能被读取一次，而且数据量很大，并不能全部保存，因此数据量N是无法在抽样开始时确定的；但又要保持随机性，于是有了这个问题。所以搜索网站有时候会问这样的问题。

2. k =1的情况：

解法：我们总是选择第一个对象，以1/2的概率选择第二个，以1/3的概率选择第三个，以此类推，以1/m的概率选择第m个对象。当该过程结束时，每一个对象具有相同的选中概率，即1/n，证明如下。

        证明：第m个对象最终被选中的概率P=选择m的概率*其后面所有对象不被选择的概率，即：

                                                           

3. k != 1 && n > k的情况：

 对应蓄水池抽样问题，可以类似的思路解决。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，证明如下。

        证明：第m个对象被选中的概率=选择m的概率*（其后元素不被选择的概率+其后元素被选择的概率*不替换第m个对象的概率），即
                                                        

4. 代码：

#include <iostream>
#include <cstdlib>
#include <ctime>
#include <vector>
 
using namespace std;
 
typedef vector<int> IntVec;
typedef typename IntVec::iterator Iter;
typedef typename IntVec::const_iterator Const_Iter;
 
// generate a random number between i and k,
// both i and k are inclusive.
int randint(int i, int k)
{
	if (i > k)
	{
		int t = i; i = k; k = t; // swap
	}
	int ret = i + rand() % (k - i + 1);
	return ret;
}
 
// take 1 sample to result from input of unknown n items.
bool reservoir_sampling(const IntVec &input, int &result)
{
	srand(time(NULL));
	if (input.size() <= 0)
		return false;
 
	Const_Iter iter = input.begin();
	result = *iter++;
	for (int i = 1; iter != input.end(); ++iter, ++i)
	{
		int j = randint(0, i);
		if (j < 1)
			result = *iter;	
	}
	return true;
}
 
int main()
{
	const int n = 10;
	IntVec input(n);
	int result = 0;
 
	for (int i = 0; i != n; ++i)
		input[i] = i;
	if (reservoir_sampling(input, result))
		cout << result << endl;
	return 0;
}