轉貼 http://www.cnblogs.com/over140/archive/2009/02/13/1387779.html
前言
关于这个算法也许(肯定)已经被发明，但是我、我身边的朋友、我的老师在这之前是不知道也没能想出来的，如果你不知道的话，那么也包括你了: ) 在这个范围内被首次提出应该算是“发明”的！！增加、减少随机抽中几率——我的好朋友狄鹏在三年前想到的一个算法，我现在拿出来发扬光大。此算法可用于题库随机抽题、赌博机控制出彩率，甚至俄罗斯方块等游戏，有广泛的用途！也希望能帮得到你！
强调
在随机的基础上增控制抽中几率，注意随机性！！
正文
一、文字解说：
为待随机抽取的集合每个项加一个权值，这个权值就是随机几率，比如正常被抽正的几率为1，那么将希望被抽中几率更大的项的权值设置为3或5，然后随机抽取集合中的项，并将随机数乘以每个项对应的权值，然后排序！！提取前N个项即可！大家可以发现权值更高被乘之后有更高几率排在前面而被抽中，如果将权值设为0将永远也不会被抽中！
二、应用场景：
1. 随机抽题：如果题A去年考过了，那么我希望今年出现的几率更小或者不出现，那么我将题A的权值设置为0，这道题将在以后的考试随机抽题中永远不会被随机抽中；而另外题B是本院今年模拟考试中的一道题目，我将这道题权值增加到5，根据算法，那么这道题目在下次随机抽题抽中率将比普通题目提高数倍！
2. 赌博机：大家知道游戏厅里面的赌博机是可以调的，被人调了之后出彩率明显提高或者降低，我觉得本算法适合解释。假设赌博机有24个赌项可供选择，分别是A-Z各个字母，按正常几率的话每个项的权值都是1，调机师可以通过动态改变权值来达到提高或降低中奖率。假如你投三个币，分别选了A、B、C，赌博机根据调机师的设置动态改变了A、B、C的权值，让灯转3-4圈后更大的几率停留在这三个选择中奖金较少的一个。
3. 俄罗斯方块：大家在打QQ俄罗斯方块对打的时候，有时候明显感觉堆得越高，出的东西反而不顺意，我觉得本算法也可以达到这个效果。计算机能算得出下一个最优方案是出条还是出角最好，所以可以通过调整权值来打破平均出现的几率来达到这个目的！
......
三、代码实现（C#实现）：
RandomController.cs
//
// 作 者：小唐
// 邮 箱：over140@gmail.com
// 博 客： http://over140.cnblogs.com/
// 时 间：2009-2-10
// 描 述：控制随机抽中几率。
//
// ========================================================================
using System;
using System.Collections.Generic;
public class RandomController
{
#region Member Variables
// 待随机抽取数据集合
public List < char > datas = new List < char > (
new char []{
' A ' , ' B ' , ' C ' , ' D ' , ' E ' , ' F ' ,
' G ' , ' H ' , ' I ' , ' J ' , ' K ' , ' L ' ,
' M ' , ' N ' , ' O ' , ' P ' , ' Q ' , ' R ' ,
' S ' , ' T ' , ' U ' , ' V ' , ' W ' , ' X ' ,
' Y ' , ' Z '
});
// 权值
public List < ushort > weights = new List < ushort > (
new ushort []{
1 , 2 , 3 , 4 , 5 , 6 ,
7 , 8 , 9 , 0 , 1 , 1 ,
1 , 1 , 1 , 1 , 1 , 1 ,
1 , 1 , 1 , 1 , 1 , 1 ,
1 , 1
});
#endregion
#region Contructors
/// <summary>
/// 构造函数
/// </summary>
/// <param name="count"> 随机抽取个数 </param>
public RandomController( ushort count)
{
if (count > 26 )
throw new Exception( " 抽取个数不能超过数据集合大小！！ " );
_Count = count;
}
#endregion
#region Method
#region 普通随机抽取
/// <summary>
/// 随机抽取
/// </summary>
/// <param name="rand"> 随机数生成器 </param>
/// <returns></returns>
public char [] RandomExtract(Random rand)
{
List < char > result = new List < char > ();
if (rand != null )
{
for ( int i = Count; i > 0 ; )
{
char item = datas[rand.Next( 25 )];
if (result.Contains(item))
continue ;
else
{
result.Add(item);
i -- ;
}
}
}
return result.ToArray();
}
#endregion
#region 受控随机抽取
/// <summary>
/// 随机抽取
/// </summary>
/// <param name="rand"> 随机数生成器 </param>
/// <returns></returns>
public char [] ControllerRandomExtract(Random rand)
{
List < char > result = new List < char > ();
if (rand != null )
{
// 临时变量
Dictionary < char , int > dict = new Dictionary < char , int > ( 26 );
// 为每个项算一个随机数并乘以相应的权值
for ( int i = datas.Count - 1 ; i >= 0 ; i -- )
{
dict.Add(datas[i], rand.Next( 100 ) * weights[i]);
}
// 排序
List < KeyValuePair < char , int >> listDict = SortByValue(dict);
// 拷贝抽取权值最大的前Count项
foreach (KeyValuePair < char , int > kvp in listDict.GetRange( 0 , Count))
{
result.Add(kvp.Key);
}
}
return result.ToArray();
}
#endregion
#region Tools
/// <summary>
/// 排序集合
/// </summary>
/// <param name="dict"></param>
/// <returns></returns>
private List < KeyValuePair < char , int >> SortByValue(Dictionary < char , int > dict)
{
List < KeyValuePair < char , int >> list = new List < KeyValuePair < char , int >> ();
if (dict != null )
{
list.AddRange(dict);
list.Sort(
delegate (KeyValuePair < char , int > kvp1, KeyValuePair < char , int > kvp2)
{
return kvp2.Value - kvp1.Value;
});
}
return list;
}
#endregion
#endregion
#region Properties
private int _Count;
/// <summary>
/// 随机抽取个数
/// </summary>
public int Count
{
get
{
return _Count;
}
set
{
_Count = value;
}
}
#endregion
}
----------------------------------------------------------------------------------------
调用测试代码：
{
// 从集合中随机抽取个数
const ushort COUNT = 6 ;
// 循环次数
const int FOR_COUNT = 1000 ; // 10000
#region 1000、10000次随机抽取，每次抽取6个
RandomController rc = new RandomController(COUNT);
// 累积器
Dictionary < char , int > result = new Dictionary < char , int > ();
// 随机数生成器
Random rand = new Random();
// 循环生成随机数
for ( int i = 0 ; i < FOR_COUNT; i ++ )
{
char [] rands = rc.RandomExtract(rand);
for ( int j = 0 ; j < COUNT; j ++ )
{
char item = rands[j];
if (result.ContainsKey(item))
result[item] += 1 ;
else
result.Add(item, 1 );
}
Thread.Sleep( 5 );
}
Console.WriteLine( " /t/t出现次数/t占总共出现次数百分比 " );
foreach (KeyValuePair < char , int > item in result)
{
Console.WriteLine(item.Key + " /t/t " + item.Value.ToString() + " /t/t " + (( double )item.Value / ( double )(FOR_COUNT * COUNT)).ToString( " 0.00% " ));
}
}
普通随机抽取分别进行1000次和10000次测试显示：
1000次
10000次
控制随机几率随机抽取分别进行1000次和10000次代码修改：
1. 将rc.RandomExtract(rand)改为rc.ControllerRandomExtract(rand)
2. 注释掉上面输出部分代码，加上以下代码：
for ( int i = 0 ,j = rc.datas.Count; i < j; i ++ )
{
items.Add(rc.datas[i],rc.weights[i]);
}
Console.WriteLine( " /t/t出现次数/t占总共出现次数百分比/t权值 " );
foreach (KeyValuePair < char , int > item in result)
{
Console.WriteLine(item.Key + " /t/t " + item.Value.ToString() + " /t/t " + (( double )item.Value / ( double )(FOR_COUNT * COUNT)).ToString( " 0.00% " ) + " /t/t/t " + items[item.Key]);
}
测试结果：
1000次
10000次
小结
从上面统计结果可以看出，普通随机数分布比较均匀，随机抽中的几率相对持平；但是经过控制随机抽中几率，权值高的明显抽中几率要高，另外需要注意的是这里只输出了25个字母，也就是还有一个字母没有被抽中过，因为按算法他是始终不会出现的，除非一次抽26个！！
需要注意的是：
1. 合理的调配权值和随机数生成的大小也很有关系，大家可以看到权值5的和权值1的出现几率相差不是5倍，而是30-50倍。
2. 如果数据源随机的数据大，比如上千上万条，按现在的程序是不可行的，可以先随机抽取比所需抽取个数多2-5倍的数据，然后直接按权值排序然后抽取前N位来达到目的。
3. 最重要的一点就是注意随机性，这个算法如果不是建立在随机的机制上是毫无价值的！！
结束
当你失去发明机会的时候，可以考虑更好的应用它！！
680
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
