一个随机播放的算法

想法:

伪随机。 你的音乐列表里有一些歌,每首歌的初始随机因数为1。 每次你点击下一首时,每首歌的随机因数都会加1,然后随机到的那首歌随机因数变为0。 随机因数越大,被随机到的几率就越高。

比如有4首歌,那么下表是一种可能出现的情况:

-

Love Story

东风破

Refrain

Tassel

第几次

随机因数

随机因数

随机因数

随机因数

随机到

1

1

1

1

1

东风破

2

2

0

2

2

Love Story

3

0

1

3

3

Refrain

4

1

2

0

4

Tassel

5

2

3

1

0

Love Story

6

0

4

2

1

Tassel

7

1

5

3

0

东风破

8

2

0

4

1

Love Story

9

0

1

5

2

Tassel

10

1

2

6

0

...

... 可以看到,Refrain 这首歌连续6次没有出现,它的随机因数累加到了6,那么第十次它被随机到的概率是6/(1+2+6),即三分之二。 上面使用的是随机因数累加,其实我们还可以让随机因数累乘等等...

Demo及实现

RandomPicker

Demo中的的大图截图自网易云音乐。 前往GitHub Star/Fork/Compile

如何使用

快速开始:

RandomPicker randomPicker = new RandomPicker(12);
int nextPos = randomPicker.next();

更多方法:

randomPicker.setMultiplyNumber(3);
randomPicker.setAddNumber(2);
randomPicker.setNextPick(5);
randomPicker.add();
randomPicker.changeOriginWeight(0,3);
randomPicker.getHistoryList();

更多更多: 请下载项目查看源码

RandomPicker源码

package top.wefor.randompicker;

import java.util.ArrayList;
import java.util.Random;

/**
 * Created on 16/8/26.
 * <p/>
 * 适用于音乐随机播放等
 * GitHub: https://github.com/XunMengWinter
 * <p/>
 * latest edited date: 2016-08-26
 *
 * @author ice
 */
public class RandomPicker {

    private ArrayList<Integer> mOriginWeightList = new ArrayList<>();
    private ArrayList<Integer> mCurrentWeightList = new ArrayList<>();
    private ArrayList<Integer> mHistoryList = new ArrayList<>();

    private int mMultiplyNumber = 1;
    private int mAddNumber = 1;
    private int mPickedPosition;
    private boolean isRepeatable;
    private Integer mNextPickPosition;
    Random mRandom = new Random();

    public RandomPicker() {
        //默认一个,避免报错。
        new RandomPicker(1);
    }

    public RandomPicker(int size) {
        initSize(size);
    }

    /*设置累乘积数*/
    public void setMultiplyNumber(int multiplyNumber) {
        mMultiplyNumber = multiplyNumber;
    }

    /*设置累加积数*/
    public void setAddNumber(int addNumber) {
        mAddNumber = addNumber;
    }

    /*指定下一次选中的位置*/
    public void setNextPick(int pickedPosition) {
        mNextPickPosition = pickedPosition;
    }

    /*是否允许连续两次出现同一个位置*/
    public void setRepeatable(boolean repeatable) {
        isRepeatable = repeatable;
    }

    /*初始化列表长度*/
    public void initSize(int size) {
        mOriginWeightList.clear();
        mCurrentWeightList.clear();
        mHistoryList.clear();
        for (int i = 0; i < size; i++)
            add();
    }

    /*获得当前条目数*/
    public int getSize() {
        return mOriginWeightList.size();
    }

    /*获取历史条目的位置列表*/
    public ArrayList<Integer> getHistoryList() {
        return mHistoryList;
    }


             /*上为配置参数*/
             /*下为逻辑实现*/


    /*获得下一个随机条目的位置*/
    public int next() {
        random();
        mHistoryList.add(mPickedPosition);
        return mPickedPosition;
    }

    public void add() {
        // 默认每个条目的比重为1.
        add(getSize(), 1);
    }

    /*添加一个条目*/
    public void add(int index, int weight) {
        mOriginWeightList.add(index, weight);
        mCurrentWeightList.add(index, calculateWeight(0, weight));
    }

    /*修改一个条目的比重*/
    public void changeOriginWeight(int index, int weight) {
        mOriginWeightList.set(index, weight);
        int currentWeight = mCurrentWeightList.get(index);
        mCurrentWeightList.set(index, currentWeight / mOriginWeightList.get(index) * weight);
    }

    /*移除一个条目*/
    public void remove(int index) {
        mOriginWeightList.remove(index);
        mCurrentWeightList.remove(index);
    }

    /*执行随机算法*/
    private void random() {
        // 算出下一次选中的位置
        if (mNextPickPosition != null) {
            mPickedPosition = mNextPickPosition;
            mNextPickPosition = null;
        } else {
            long allCount = 0;
            for (int i = 0; i < mCurrentWeightList.size(); i++) {
                allCount += mCurrentWeightList.get(i);
            }

            long randomLong = (long) (mRandom.nextDouble() * allCount);
            long currentLong = 0;
            for (int i = 0; i < mCurrentWeightList.size(); i++) {
                currentLong += mCurrentWeightList.get(i);
                if (currentLong > randomLong) {
                    mPickedPosition = i;
                    break;
                }
            }
        }

        // 若列表长度小于2,则下一次位置必为0.
        if (mCurrentWeightList.size() < 2) {
            mPickedPosition = 0;
            return;
        }

        // 预先算好下一次的比重
        for (int i = 0; i < mCurrentWeightList.size(); i++) {
            int weight = calculateWeight(mCurrentWeightList.get(i), mOriginWeightList.get(i));
            mCurrentWeightList.set(i, weight);
        }
        if (isRepeatable)
            mCurrentWeightList.set(mPickedPosition, calculateWeight(0, mOriginWeightList.get(mPickedPosition)));
        else
            mCurrentWeightList.set(mPickedPosition, 0);
    }

    /*计算下一次的比重*/
    private int calculateWeight(int currentWeight, int originWeight) {
        return (currentWeight + mAddNumber) * mMultiplyNumber * originWeight;
    }

}

每次调用next()的时候,都要做两次for循环遍历列表,列表里12首歌倒是毫无压力,列表要是有500首歌的话肯定会延迟了,此处待改进。


p.s. 如果你有更好的建议,请留言或者在GitHub fork并提交pull请求。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏SeanCheney的专栏

阿姆达尔定律和古斯塔夫森定律摘要背景建议使用指南更多资源

摘要 构建软件的并行版本可使应用在更短的时间内运行指定的数据集,在固定时间内运行多个数据集,或运行非线程软件禁止运行的大型数据集。 并行化的成功通常通过测量并行...

33060
来自专栏漫漫深度学习路

mxnet-Gluon(一):mxnet-Gluon 入门

沐神已经提供了一份官方的文档,为什么要写这么一篇博客: 沐神提供的中文文档质量是非常高的,地址,但是感觉需要看一段时间才能上手 Gluon, 本博客结构模仿 p...

45360
来自专栏目标检测和深度学习

Kaggle放大招:简单几步实现海量数据分析及可视化

Kaggle Kerneler bot是一个自动生成的kernel,其中包含了演示如何读取数据以及分析工作的starter代码。用户可以进入任意一个已经发布的项...

7800
来自专栏大数据挖掘DT机器学习

Python+Hadoop 从DBLP数据库中挖掘经常一起写作的合作者

任务描述: 本文的写作目的是从DBLP数据库中找到经常一起写作的合作者。熟悉数据挖掘中频繁项挖掘的经典算法(FP-Growth)并作出改进和优化。实验代码...

43350
来自专栏企鹅号快讯

重合散点图绘制:neat

hello诸君,暖阳高照,午间一杯清茶,又到了爬虫俱乐部向大家种草新命令新方法的时候啦! 许多同学学到的第一个Stata绘图命令想必就是scatter命令,该命...

29990
来自专栏石瞳禅的互联网实验室

【TensorFlow实战——笔记】第1章:TensorFlow基础

TensorFlow是Google公司开源的分布式机器学习框架。它的前身是DistBelief,在Google大规模内部使用。TensorFlow最早由Goog...

14410
来自专栏吉浦迅科技

为啥在Matlab上用NVIDIA Titan V训练的速度没有GTX1080快?

在Matlab官方论坛上看到这个帖子,希望给大家带来参考 有一天,有人在Matlab的论坛上发出了求救帖: ? 楼主说: 我想要加快我的神经网络训练,所以把G...

58680
来自专栏机器之心

资源 | Mask R-CNN神应用:像英剧《黑镜》一样屏蔽人像

选自GitHub 机器之心编译 参与:思源、黄小天 黑镜特别篇《白色圣诞节》中有种名为「屏蔽」的黑科技,每个人安装上智能眼,可以凭意愿屏蔽动态视界中的任何人(及...

336100
来自专栏数据小魔方

excel数据分析工具库系列二|统计描述

今天跟大家分享excel数据分析工具库系列二——统计描述! 下面我用randbetween函数生成两列随机数作为演示案例数据: ? 然后打开数据分析——描述统...

30360
来自专栏落花落雨不落叶

写了个学习正则的小工具

13130

扫码关注云+社区

领取腾讯云代金券