两个常数的卷积为多少_10809 一种错误的洗牌算法，以及乱排常数 (1)

　　「洗牌」，或者说随机打乱一个数组中元素的顺序，是编程中的一个常见需求。标准的洗牌算法是 Fisher-Yates shuffle，用 JavaScript 实现如下：

function shuffle(A) {
    
    for (var i = A.length - 1; i > 0; i--) {
    
        var j = Math.floor(Math.random() * (i + 1));
        var t = A[i]; A[i] = A[j]; A[j] = t;
    }
}

其基本思路是，每次从未打乱的部分等可能地选一个元素，把它与未打乱部分的最后一个元素交换。

　　Fisher-Yates 洗牌算法的实现十分简单，并且它可以保证均匀性，即元素的各种排列顺序出现的概率都相等。但是，很多人闭门造车地发明了一些「错误」的洗牌算法实现，它们不能保证均匀。例如，最常见的一种错误实现如下：

function shuffle(A) {
    
   for (var i = 0; i < A.length; i++) {
    
       var j = Math.floor(Math.random() * A.length);
       var t = A[i]; A[i] = A[j]; A[j] = t;
   }
}

其原理是，在第 i 次循环中，从所有元素中等可能地选一个元素，与第 i 个元素交换。这种算法的错误可以如下证明：对于一个长度为

的数组，算法创造了

个等可能的基本事件，这些事件对应于

种排列顺序。在非平凡情况下，

不能被

整除，所以各种排列顺序不可能等概率。

　　另一种错误的洗牌算法是 @Lucas HC 在这篇答案中指出的：

A.sort(function() {
    
    return .5 - Math.random();
}); 

JavaScript 中数组自带的 sort 方法允许提供一个比较器，其返回值的正负号代表两个元素的大小关系。在上面的代码中，比较器返回的是 -0.5 到 0.5 之间的一个随机数，也就是说每次比较的结果是随机且均匀的。但是，基于随机比较的整个洗牌算法是不均匀的：它的各种运行结果的概率都形如