抢红包算法

发出一个固定金额的红包，由若干个人来抢，需要满足哪些规则？

1.所有人抢到金额之和等于红包金额，不能超过，也不能少于。
2.每个人至少抢到一分钱。
3.要保证所有人抢到金额的几率相等。

方法1：二倍均值法

剩余红包金额为M，剩余人数为N，那么有如下公式：

每次抢到的金额 = 随机区间 （0， M / N X 2）

这个公式，保证了每次随机金额的平均值是相等的，不会因为抢红包的先后顺序而造成不公平。

举个栗子：

假设有10个人，红包总额100元。

100/10X2 = 20, 所以第一个人的随机范围是（0，20 )，平均可以抢到10元。

假设第一个人随机到10元，那么剩余金额是100-10 = 90 元。

90/9X2 = 20, 所以第二个人的随机范围同样是（0，20 )，平均可以抢到10元。

假设第二个人随机到10元，那么剩余金额是90-10 = 80 元。

80/8X2 = 20, 所以第三个人的随机范围同样是（0，20 )，平均可以抢到10元。

以此类推，每一次随机范围的均值是相等的。

// 发红包算法，金额参数以分为单位
    public static List<Integer> divideRedPackage(Integer totalAmount, Integer totalPeopleNum) {
        List<Integer> amountList = new ArrayList<Integer>();
        Integer restAmount = totalAmount;
        Integer restPeopleNum = totalPeopleNum;
        Random random = new Random();
        for (int i = 0; i < totalPeopleNum - 1; i++) {
            // 随机范围：[1，剩余人均金额的两倍)，左闭右开
            int amount = random.nextInt(restAmount / restPeopleNum * 2 - 1) + 1;
            restAmount -= amount;
            restPeopleNum--;
            amountList.add(amount);
        }
        amountList.add(restAmount);
        return amountList;
    }

    public static void main(String[] args) {
        List<Integer> amountList = divideRedPackage(5000, 30);
        for (Integer amount : amountList) {
            System.out.println("抢到金额：" + new BigDecimal(amount).divide(new BigDecimal(100)));
        }
    }

程序输出结果如下：
抢到金额：1.19
抢到金额：1.69
抢到金额：0.2
抢到金额：2.97
抢到金额：0.02
抢到金额：1.45
抢到金额：1.3
抢到金额：1.24
抢到金额：0.49
抢到金额：3.2
抢到金额：2.26
抢到金额：1.2
抢到金额：2.1
抢到金额：2.11
抢到金额：3.15
抢到金额：2.6
抢到金额：0.69
抢到金额：1.63
抢到金额：1.83
抢到金额：0.71
抢到金额：1.72
抢到金额：2.17
抢到金额：0.62
抢到金额：3.13
抢到金额：0.56
抢到金额：3.14
抢到金额：0.55
抢到金额：2.05
抢到金额：0.49
抢到金额：3.54
这个算法虽然公平，但存在一个缺点：除了最后一次，任何一次抢到的金额都要小于人均金额的两倍，并不是任意的随机。

方法2：线段切割法
何谓线段切割法？我们可以把红包总金额想象成一条很长的线段，而每个人抢到的金额，则是这条主线段所拆分出的若干子线段。

如何确定每一条子线段的长度呢？由“切割点”来决定。当N个人一起抢红包的时候，就需要确定N-1个切割点。

因此，当N个人一起抢总金额为M的红包时，我们需要做N-1次随机运算，以此确定N-1个切割点。随机的范围区间是（1， M）。

当所有切割点确定以后，子线段的长度也随之确定。这样每个人来抢红包的时候，只需要顺次领取与子线段长度等价的红包金额即可。

这就是线段切割法的思路。在这里需要注意以下两点：

1.当随机切割点出现重复，如何处理。
2.如何尽可能降低时间复杂度和空间复杂度。

转载自：https://mp.weixin.qq.com/s/AIE33sdT2QI6UL8cs1kJCQ