抢红包算法 随机法和二倍均值法

对抢红包，大家肯定不陌生，但是，有想过抢红包是如何实现的嘛？今天就来讨论下抢红包的几种实现。

首先，我们得明确一下需求和需求的限制条件。红包主要有三点限制

1. 抢到的总额 = 红包的总额，不能多也不能少了
2. 最小值是0.01元，即每个人都有份
3. 每个人抢到的红包金额，尽量平均

假设红包总金额是M元，抢红包的人数是N人

随机法1.0

随机法1.0–无脑随机法，是每个人抢红包，红包金额 = (1,红包剩余金额)；最后一个人就不用随机了，无论剩下多少都是最后一个人的了。这种方法，优点是实现简单，但是，先抢的人会很赚，抢到大红包的概率很高，后面的人就比较吃亏了，甚至最后的人都没红包可抢

随机法2.0

随机法2.0–随机结果比例法(名字取的有点随意，没想到更形象生动的 -_-)，是借鉴了上面说的 ”无脑随机法“，但是比较巧妙的避免了后面的人抢的少甚至抢不到的情况。思路是：每个人都随机，随机的范围是(0,M)，然后把所有人的随机金额加起来得到random_total_money，把总金额M除以random_total_money，得到每个人的比例，然后把每个人的比例除以M。

举个例子：总金额是100元，抢红包人数是10人，随机范围是(1,M)，假设10次随机的结果是200元，那100/200=0.5，那每个人实际抢到的红包金额=随机金额*0.5

但是，这个算法，有两个缺点：

1. 对最小值的考虑不全面，如果比例值是0.5，而又有人随机随到了最小值0.01，那就违背了最开始所说的“限制2”

2. 对无限循环小数考虑不全，如果算出的比例是1/3=0.333333…，那就得额外考虑

二倍均值法

假设总金额是M元，N个人，每次抢的金额=(0, (M/N) *2)，比如，还是之前说的条件，金额100，人数10，

第一个人抢的金额是 (0,20)，抢到的数值，根据正态分布，应该是10左右，远低于10的概率很小，同样远大于10的概率和很小，这里假设第一个人抢到的数值是10；

第二个人抢的金额是(0,90/9 *2)=(0,20)，同第一个人，第二个人红包金额也应该是10附近；

剩下的人，以此类推。

查阅了“微信红包的架构设计”，里面就是使用的这个方法。但是，这个算法，也不是完美的，假如第一个人抢到15，第二个人的范围是(0,18.89)，假如第二个人又抢到很高，那对后面的人是不利的

另外，还看到了一种叫“线性切割法”的算法，这个算法的思想是：把总金额数值，想象成一条绳子，对绳子切割N-1刀(N就是人的数量)，每个人抢到的红包金额就是切割的绳子的占比，但是，这方法也不能避免“无限循环小数”问题；并且，对每个人抢到的金额尽量平均，该如何保证呢？需要考虑的点很多，时间复杂度、空间复杂度都比较高