1. 引子:
平日工作学习时总会遇到一些令人欣喜的代码段子(Snippet),虽然都很短小,但是其间所含的道理都颇有意味,遂而觉得应该不时的将她们记下,一来算作复习整理,二来也给有兴趣的朋友做些参考,虽然题目说成了一个系列,但自己也不知道能写多少,大概准则估计也就是写到哪算哪了,今天算是第一篇,瞎扯扯随机选择 :)
2. 问题:
题目很简单,如何等概率的选取一个集合中的元素,譬如我们现在有一个vector(C++):
vector<int> v = { 1, 2, 3, 4, 5 };
int selected = random_select(v);
如何实现这个random_select 函数呢?其实有个很简单的方法,便是随机选取一个范围在[0, v.size()) 中的整数即可,代码大抵是这个样子:
int random_number(int max) {
return rand() % max;
}
int random_select(const vector<int>& v) {
return v[random_number(v.size())];
}
当然,我们还可以继续优化上述代码,譬如将random_select泛化等等,在此就不赘述了,仅从功能性角度来看,上面代码确实完成了我们的期望:“等概率”的随机选取了vector集合中的某个元素。(这里“等概率”之所以加上引号,是因为真实的选取结果其实并不是绝对等概率的,问题在于我们使用了rand()取余来获取随机数,而这种方法所产生的随机数大部分情况下都不是均匀分布的,S.T.L(注意是个人名:))对于此有个非常精彩的讨论)
但在现实生活中,很多情况下我们未必一开始就知道集合的长度,譬如我们目前只有begin和end两个前向迭代器:
ForwardIterator begin = some_func_get_begin();
ForwardIterator end = some_func_get_end();
ForwardIterator iter = random_select(begin, end);
那么这里的random_select应该如何实现才能保证等概率的选取这个集合中的元素呢?有个方法大概可以算是归约吧,就是首先使用迭代器遍历一遍集合,然后我们便可以知道集合的长度了,然后问题也就归约到之前的随机选取问题了。不管怎么说,这是一个可行的办法,但是明眼人一看就知道这种方法不是很简洁,甚至可以说有些坏味道,但是如果马上让我来实现一下random_select的话,我估摸着可能也会采取这种方法,尽管心里觉得别扭,幸而前些日子在这里看到了一个更简单的方法,很有意思:)如果用代码实现的话,大概是这个样子: 使用C++的一个完整示例:
#include <iostream>
#include <random>
#include <list>
using namespace std;
namespace {
class Random {
public:
int Next(int min, int max) {
uniform_int_distribution<> distribution(min, max);
return distribution(m_engine);
}
int Next(int max) {
return Next(0, max);
}
private:
mt19937 m_engine;
} random;
template<typename ForwardIterator>
ForwardIterator random_select(ForwardIterator begin, ForwardIterator end) {
int count = 0;
auto selected = end;
for (auto iter = begin; iter != end; ++iter) {
if (random.Next(count++) == 0) {
selected = iter;
}
}
return selected;
}
}
int main() {
list<int> l = { 1, 2, 3, 4, 5 };
int testCount = 32;
for (int i = 0; i < testCount; ++i) {
cout << *random_select(std::begin(l), std::end(l)) << " ";
if ((i + 1) % 10 == 0) {
cout << "\n";
}
}
return 0;
}
另有一个C#的完整示例,原理是一致的,也顺道贴一下:
using System;
using System.Collections.Generic;
namespace RandomSelect {
class Program {
static Random random = new Random();
public static T RandomSelect<T>(IEnumerable<T> enumerable) {
int count = 0;
T selected = default(T);
var enumerator = enumerable.GetEnumerator();
while (enumerator.MoveNext()) {
if (random.Next(++count) == 0) {
selected = enumerator.Current;
}
}
return selected;
}
public static void Main(string[] args) {
var list = new List<int> { 1, 2, 3, 4, 5 };
int testCount = 32;
for (int i = 0; i < testCount; ++i) {
Console.Write(RandomSelect(list));
Console.Write(" ");
if ((i + 1) % 10 == 0) {
Console.WriteLine();
}
}
Console.WriteLine();
Console.Write("Press any key to continue . . .");
Console.ReadKey(true);
}
}
}
3. 道理:
不知你看懂了多少代码,其实上面代码砍头去尾之后,真正有趣的大概就是这么一段:
for (auto iter = begin; iter != end; ++iter) {
if (random.Next(count++) == 0) {
selected = iter;
}
}
可就这么几句代码,到底是如何保证等概率选取集合元素的呢?让我们来细究一下:
不妨假设集合有n的元素,考虑第 i 个元素的最终选取概率 p(i),不难看出以下关系:
a. p(i) 与 p(1)、p(2) ... p(i-1) 没有依赖关系,即无论前i - 1元素的单次选取情况如何,都不影响第i个元素的最终选取。
b. p(i) 依赖于 p(i+1)、p(i+2) ... p(n),即如果第i个元素被最终选取,那么就意味着i+1、i+2 ... n 等元素都没有被单次选取。
考虑到元素的单次选取概率都与元素位置有关,第i个元素单次选取概率为 1 / i,自然的,其单次不被选取的概率便是 1 - 1/i = (i - 1)/i
则有p(i) = 1 / i * i/(i+1) * (i+1)/(i+2) ... (n-1)/n = 1/n
于是我们有对于任意集合元素,其被最终选取的概率皆为 1/n !Nice!
好了,我的废话就这么多了,如果有机会的话继续瞎扯扯,希望吧 :)