常用抽奖算法对比
基础的游戏抽奖算法通常要求实现在指定奖品的集合中,每个奖品根据对对应概率进行抽取。个人了解的主要有以下几中抽奖算法:
随机数一一对应
算法思想
这种算法思想最为简单。将n个奖品编号0~n-1,其中各类奖品的概率通过其数量体现,最后程序产生0~n-1之间的随机数便是抽中的奖品编号。例如:
苹果手机概率1%,网站会员20%,折扣券20%,很遗憾59%。这样,编号0是苹果手机,1~20是会员,21~40是折扣券,41~100是 很遗憾。产生的随机数落在那个区间,就代表那个奖品被抽中。
存在问题
总数N快速膨胀
概率通过数量来体现在各个奖品概率较大的情况下,总数n可以较小。但如果在精度很高的情况下,总数必须按比例成倍扩大。
例如,所有奖品概率都是10%,那么n只需要取10就可以。但是如果某个奖品概率是0.01%,按照这种算法,总数要扩大到100*100。
平衡性影响
在Java中,Math.random()方法本身基本可以保证大量测试的情况下避免高重复,且概率分布比较平均。但是需要注意的是,该方法默认返回0-1之间的数据。
在当前算法中,必须扩大指定倍数并且强制使用int进行类型转换。在这样的扩大和转换过程中,必然会对数据精度进行修改,转换后的数据也不能保证概率分布平均。
因此,该算法实际可能达不到预期的概率要求。
算法复杂度
数据准备阶段,为每个奖品确定编号与奖品信息的关系集合需要O(n);
产生随机数阶段并转换,O(1);
从集合中查找,不同的数据结构实现不同,最差需要O(n);
离散法
算法思想
(高中数学里几何概形的思想)
将奖品集合的概率划分区段放入数组中。概率区段通过该概率累计相加确定。利用随机数产生随机概率,加入数组并排序,该数据的下标,就是对应奖品集合中奖品的索引。例如,奖品的集合有X1,X2,X3,X4,对应概率为P1=0.2,P2=0.2,P3=0.3,P4=0.3。
那么,产生的概率区段数组为[0.2,0.4,0.7,1.0]。
0.2以下代表X1,0.2~0.4代表X2,0.4~0.7代表X3,0.7~1代表X4。
这样,如果产生一个随机概率为0.5,加入数组排序后,0.4~0.7之间,是X3相加所在的概率区间,返回index=2。
由于区间分布的确定是按照X集合顺序的,所以该索引也正是X3在原集合中的索引。
特点
利用几何概形,概率数组分布在0到1之间,不再需要扩大倍数和取整操作,基本可以保证概率平均分布,避免大量重复的情况
概率分配的排序过程,可以使用java默认的排序工具类,也可以自己实现。保证时间复杂度最小。
复杂度
准备阶段,O(m)。m远小于n,因为概率只有几个,不会大量膨胀。
产生随机数,O(1)
排序取下标,根据排序算法,O(logn)即可实现
取值,根据下标,O(1);
Alias 算法
这种算法对数学要求比较高,没有仔细研究。
感兴趣的小伙伴可以自己研究一下和我分享
算法实现
奖品实体类
/**
* 抽奖奖品实体类
*@author irving
*@since 2017年7月23日 下午9:41:33
*@version MARK 0.0.1
*/
public class Gift {
private int id; //奖品Id
private String name; //奖品名称
private double prob; //获奖概率
public int getId() {
return id;
}
public void setId(int id) {
this.id = id;
}
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}
public double getProb() {
return prob;
}
public void setProb(double prob) {
this.prob = prob;
}
@Override
public String toString() {
return ToStringBuilder.reflectionToString(this, ToStringStyle.JSON_STYLE);
}
}
抽奖实现工具类
/**
* 抽奖工具类
* 整体思想:
* 奖品集合 + 概率比例集合
* 将奖品按集合中顺序概率计算成所占比例区间,放入比例集合。并产生一个随机数加入其中,排序。
* 排序后,随机数落在哪个区间,就表示那个区间的奖品被抽中。
* 返回的随机数在集合中的索引,该索引就是奖品集合中的索引。
* 比例区间的计算通过概率相加获得。
*@author irving
*@since 2017年7月23日 下午9:48:23
*@version MARK 0.0.1
*/
public class DrawLotteryUtil {
public static int drawGift(ListgiftList){
if(null != giftList && giftList.size()>0){
ListorgProbList = new ArrayList(giftList.size());
for(Gift gift:giftList){
//按顺序将概率添加到集合中
orgProbList.add(gift.getProb());
}
return draw(orgProbList);
}
return -1;
}
public static int draw(ListgiftProbList){
ListsortRateList = new ArrayList();
// 计算概率总和
Double sumRate = 0D;
for(Double prob : giftProbList){
sumRate += prob;
}
if(sumRate != 0){
double rate = 0D; //概率所占比例
for(Double prob : giftProbList){
rate += prob;
// 构建一个比例区段组成的集合(避免概率和不为1)
sortRateList.add(rate / sumRate);
}
// 随机生成一个随机数,并排序
double random = Math.random();
sortRateList.add(random);
Collections.sort(sortRateList);
// 返回该随机数在比例集合中的索引
return sortRateList.indexOf(random);
}
return -1;
}
public static void main(String[] args) {
Gift iphone = new Gift();
iphone.setId(101);
iphone.setName("苹果手机");
iphone.setProb(0.1D);
Gift thanks = new Gift();
thanks.setId(102);
thanks.setName("再接再厉");
thanks.setProb(0.5D);
Gift vip = new Gift();
vip.setId(103);
vip.setName("优酷会员");
vip.setProb(0.4D);
Listlist = new ArrayList();
list.add(vip);
list.add(thanks);
list.add(iphone);
for(int i=0;i<100;i++){
int index = drawGift(list);
System.out.println(list.get(index));
}
}
}