如果您不关心随机选择的顺序,那么它可以在常量内存中完成。选择按顺序出现。
答案取决于估计集合{0, ..., N-1} 的M 个不同值的随机选择中的最小值是i 的概率,对于每个可能的i。将此值称为p(i, M, N)。有了比我耐心输入不支持 Latex 的界面更多的数学知识,您可以对 p 函数得出一些相当不错的估计;在这里,我将只展示一种简单、不省时的方法。
让我们只关注p(0, M, N),这是从N 对象中随机选择的M 将包含第一个对象的概率。然后我们可以一次一个地遍历对象(即数字0...N-1);通过翻转加权硬币来决定每个人是否包括在内。我们只需要计算每次翻转的硬币重量。
根据定义,有<sub>M</sub>C<sub>N</sub> 可能的M-选择一组N 对象。其中<sub>M</sub>C<sub>N-1</sub> 不包括第一个元素。 (这是N-1 对象的M-selections 的计数,这是缺少一个元素的集合的所有M-selections)。同样,<sub>M-1</sub>C<sub>N-1</sub> 选择确实包含第一个元素(即,N-1-set 的所有M-1-selections,第一个元素添加到每个选择中)。
这两个值加起来是<sub>M</sub>C<sub>N</sub>;著名的计算C的递归算法。
所以p(0, M, N) 就是<sub>M-1</sub>C<sub>N-1</sub>/<sub>M</sub>C<sub>N</sub>。由于<sub>M</sub>C<sub>N</sub> = N!/(M!*(N-M)!),我们可以将该分数简化为M/N。正如预期的那样,如果M == N,则结果为 1(N 个对象中的 M 个必须包含每个对象)。
所以现在我们知道第一个对象出现在选择中的概率是多少。然后我们可以减少集合的大小,或者减少剩余的选择大小,这取决于硬币翻转是否确定我们包含或不包含第一个对象。因此,这是基于加权随机布尔函数存在的伪代码的最终算法:
w(x, y) => true with probability X / Y; otherwise false.
我将把w 的实现留给读者,因为它很简单。
所以:
Generate a random M-selection from the set 0...N-1
Parameters: M, N
Set i = 0
while M > 0:
if w(M, N):
output i
M = M - 1
N = N - 1
i = i + 1
这可能不是很明显,但请注意:
-
output i 语句必须精确执行M 次,因为它与M 的减量相结合,并且while 循环执行直到M 是0
-
M 越接近N,M 被递减的概率就越高。如果我们达到M == N,那么两者都将同步递减,直到它们都达到0。
-
i 正好在N 减少时增加,因此它必须始终在0...N-1 范围内。事实上,它是多余的。我们可以输出N-1 而不是输出i,这会改变算法以降序而不是升序生成集合。我没有这样做,因为我认为上面的内容更容易理解。
该算法的时间复杂度是O(N+M),它必须是O(N)。如果N 很大,那不是很好,但是问题陈述中说时间复杂度无关紧要,所以我将其留在那里。