随机数与随机序列生成

随机数的生成

在C语言(C++)中，随机数的生成主要依靠rand()函数实现，同时在程序中需要包含<cstdlib>以及<ctime>等头文件。

· 通过rand()函数生成随机数

普通的随机函数rand()可以生成[0,32767]范围内的伪随机数，借助系统时间产生的随机种子，可以实现等概率生成随机数。
如果我们需要[0,n-1]范围内的随机数，只需要用rand()对n取模就可以了。

#include<cstdio>
#include<cstdlib>
#include<ctime>
int main(){
	srand(time(NULL));
	int n=rand()%100+1;
	printf("Random Number in Range [1,100] : %d\n",n);
	return 0;
}

但是这样生成的随机数存在两个问题：
(1) 当n不是2的若干次幂时，产生的随机数不是等概率的。
(2) 由于rand()函数有上限，因此n必须小于等于RAND_MAX+1，也就是32768。

为什么会出现这样的问题?
举个例子：如果我们要生成[0,9999]之间的随机数，此时$n$=10000，根据上述做法，首先要等概率产生一个[0,32767]范围内的随机数$r$，然后将$r$对$n$取模得到随机数$x$。
对于$x$的某个取值$x_0$，若$x_0$落在区间[0,2767]内，则$P(x$=$x_0)=\frac{4}{32767}$，若$x0$落在区间[2768,9999]内，则$P(x$=$x_0)=\frac{3}{32767}$。显然，对于不同区间内的数字来说，被选中的概率也是不同的，并且概率的比值接近于$4:3$。
如果这个范围再大一些，比如$n$=100000时，区间[32768,99999]内的数字出现的概率为0。

使用rand()函数生成100万个[0,9999]范围内的随机数，并统计每个长度为1000的区间内的随机数个数，测试结果验证了随机数的分布不均匀的情况：

如何解决这样的问题?
为了解决上述两个问题，我们可以将多个随机数拼接在一起，生成更大范围内的随机数。

· 通过多个随机数拼接生成随机数

假设通过rand()函数生成了两个[0,32767]范围内的随机数$x_1$和$x_2$，我们可以令$y$=$(x_1$<<$15)$+$x_2$生成一个[0,2³⁰-1]范围内的随机数。对于任意一个非负整数$y$，都可以用唯一的非负整数对$(x_1,x_2)$来表示；对于任意一组非负整数对$(x_1,x_2)$，都可以确定唯一的非负整数$y$。又因为$x_1$和$x_2$的取值相互独立，非负整数对$(x_1,x_2)$是等概率随机产生的，所以这样生成的非负整数$y$仍然是等概率的。

用类似的方法，我们可以等概率的生成[0,2^k-1]范围内的随机数$R$。然后可以用$R$对$n$取模得到一个[0,n-1]范围内的随机数$x$。
虽然这样得到的$x$仍然不是等概率的，但是当$k$增大时，概率之间的差异会相对减少。记$m$=$\lfloor \frac{2^k}{n}\rfloor$，$r$=$2^k\%n$，则区间[0,$r$-1]内的每个$x_0$出现的概率$P(x$=$x_0)=\frac{m+1}{2^k}$，区间[$r$,$n$-1]内的每个$x_0$出现的概率$P(x$=$x_0)=\frac{m}{2^k}$，概率之比为$(m+1):m$。当$n$取100000，$k$取30时，计算得到$m$的值为10737，概率之间的差异不到0.0001。

C语言代码如下:

// 生成[0,n-1]之间的整数 
long long Rand(long long n){
	long long result=0;
	// 这里的随机数上限是1e18,考虑时间效率与数据范围选择每次左移10位
	for(int i=0;i<6;i++){
		result=((result<<10)+rand()%1024)%n;
	}
	return result;
}

随机浮点数的生成只需要通过移动小数点就可以实现：

// 生成[0,1)之间的浮点数 
double fRand(){
	return Rand(1e15)*1e-15;
}

使用上述代码随机产生的20个整数如下图所示:

使用上述代码随机产生的20个浮点数如下图所示:

随机序列的生成

如果是带有重复元素的随机序列，可以直接把$n$个随机数拼接在一起，如果要去重的话就会稍微麻烦一些。

· 通过随机全排列生成随机序列

当随机序列的值域比较小的时候，这里假设元素的取值范围是[1,$N$]，可以先产生$1$~$N$的随机排列，然后取出前$n$项即可。

随机排列的生成可以使用STL中的random_shuffle()函数，也可以用以下方法生成：
(1) 初始化长度为$N$的数组$a$[ ]，其中第$k$个元素是$k+1$。
(2) 接下来逐个选出随机序列的元素。假设当前正在进行第$i$次循环，可以先在[0,$N$-$i$-1]的范围内产生一个随机数$x$，令$j$=$x$+$i$，然后交换a[i]与a[j]。
(3) 重复上述过程，直到选出$n$个元素。

对于元素x，被选出的概率$P(x)=p\ast {\sum }_{k=1}^{n}p\times (1-p{)}^k=p\times [1+(1-p)+(1-p{)}^2+\dots +(1-p{)}^{n-1}]=p\times [1-(1-p{)}^n]/p=1-(1-p{)}^n$，其中$p=\frac{1}{N}$。当$N=n$时，每个元素一定会被选中，这种方法也可以用来随机打乱数组。
另外，上述过程的时间复杂度为$O(n)$，空间复杂度为$O(N)$。

以下是使用C++实现的随机序列生成方法:

template<typename T>
void shuffle(T array[],int len,int size){
	for(int i=0;i<size;i++){
		int j=i+Rand(len-i);
		swap(array[i],array[j]);
	}
	return ;
}

· 通过set集合去重生成随机序列

如果随机序列的值域比较大，使用随机排列方法的空间消耗是无法接受的，我们可以使用set集合进行去重：
每次产生一个随机数$x$，然后加到set集合中去，如果元素$x$已经在set中存在，就不会被添加。重复上述过程直到set中元素的个数恰好为$n$。

接下来分析这种方法的时间效率:
设$E(k)$表示已经放进$k$个元素时，剩余的期望操作步数。
首先可以得到$E(n)=0$，以及状态转移方程$E(k)=(1-\frac{k}{N})\times E(k+1)+\frac{k}{N}\times E(k)+1$，进而得到递推关系$E(k)=E(k+1)+\frac{N}{N-k}$，由此推出：$$E(0)=\sum _{k=0}^{n-1}\frac{N}{N-k}\le N{\int }_0^n\frac{dx}{N-x}=N\ln \frac{N}{N-n}$$令$N=k\times n$，化简得到$E(0)\le n\ln (\frac{k}{k-1}{)}^k$。当$k$=$2$时，期望步数的上限为$1.386n$。当$k$=$10$时，期望步数的上限为$1.054n$。当$k$趋近于无穷大时，$(\frac{k}{k-1}{)}^k$趋近于$e$，期望步数会趋近于$n$。因此期望时间复杂度近似为$O(n\log n)$。

C语言代码如下:

#include<cstdio>
#include<cstdlib>
#include<ctime>
#include<set>
#include<algorithm>
using namespace std;
const int MAXN=1e5;
set<long long> arr;
set<long long>::iterator it;
long long Rand(long long n){
	long long result=0;
	for(int i=0;i<6;i++){
		result=((result<<10)+rand()%1024)%n;
	}
	return result;
}
int main(){
	srand(time(NULL));
	int cnt=0;
	clock_t start,end;
	start=clock(); // 计时器开始 
	arr.clear();
	while(arr.size()<MAXN){
		arr.insert(Rand(1e12));
		cnt+=1; // 记录循环执行次数 
	}
	end=clock(); // 计时器停止 
	it=arr.begin();
	printf("\n");
	for(int i=0;i<20;i++){
		printf("Random #%-2d : %10lld\n",i+1,*(it++));
	}
	printf(">> Number of Loops Executed : %d\n",cnt);
	printf(">> Total Execute Time : %.2lfms\n",(double)(end-start)*1000.0/CLOCKS_PER_SEC);
	return 0;
}

代码运行结果如下:

最后注意使用set生成的序列是有序的，需要提取到数组中并使用random_shuffle()函数重新打乱顺序。