正如评论中提到的,随机播放算法存在缺陷。您应该使用Fisher-Yates 随机播放。算法有偏差的证明相对简单:考虑 1 和 0 的序列未被算法改变的概率。如果选择的每个n 随机数都小于n,就会发生这种情况,概率为 (n/N)n 或 nn/ Nn。正确的概率是 1/(N 选择 n),即 n!/(N×(N-1)×…(N-n+1))。如果n 相对于N 较小,则后一个表达式非常接近n!/Nn。由于 nn 比 n! 大得多,因此算法产生未改变序列的概率比它应该的要大得多。 (在原始点中包含大多数但不是全部 1 的序列也被过度生产,但没有那么戏剧性。)
在任何程序中,您都不应多次调用srand(除非您真的知道自己在做什么)。 srand种子随机数生成器;播种后,每次需要新号码时,您只需拨打rand。 (这一点是由问题的标题引起的,错误地使用srand这一事实似乎很常见。)
标准 C 库 rand 函数不提供任何质量保证,并且一些实现具有令人痛苦的小范围和短周期。但它们可能足以进行一百万次随机洗牌。
即使您的随机数生成器每次都产生不同的序列,并且即使您修复了 shuffle 函数以进行适当的 Knuth-Yates shuffle,您仍然会得到重复,因为您正在洗牌的向量具有重复的值。因此,两个不同的 shuffle 可以产生相同的序列。考虑 n 为 2 的简单情况,因此您的初始向量是两个 1,后跟 N-2 个 0。这两个 1 彼此无法区分,因此如果您的第一步交换到位置 k 而您的第二步交换到位置 l,这将产生与先交换到 l 然后到 k 完全相同的结果.
我认为你真正想要做的是从 N 对象中构造一个随机的 combination of n。有N choose n这样的可能组合;理想情况下,每个这样的组合都应该以相等的概率生成。
以下是一些实现此目的的算法。它们都是 O(N) 时间,因为不可能在小于线性的时间内填充长度为 N 的布尔向量。但是,如果您只能使用 1 的索引列表,那么第二种算法是 O(n),或者如果您需要对索引进行排序,则为 O(n log n)。可以在this answer 中引用的论文中找到真正的 O(n) 算法,它可以按排序顺序生成索引,如果N 非常大而n 相当小,这可能是合适的。
以下函数被几种算法使用。正如它的评论所表明的,它可以改进,但它会与一个好的 RNG 一起工作。 rand() 不是一个好的 RNG。
/* This is not a good implementation of rand_range
* because some rand() implementations exhibit poor randomness
* of low-order bits. (And also the bias issue if RAND_MAX is
* small.) Better random number generators exist :) */
/* Produces a random integer in the half-open range [lo, hi) */
int rand_range(int lo, int hi) {
return lo + rand() % (hi - lo);
}
1。水库取样
适用于大样本量的简单算法是reservoir sampling:
/* vec must be a vector of size at least N. Randomly
* fills the vector with n 1s and N-n 0s.
*/
void random_fill(int vec[], int N, int n) {
int i;
for (i = 0; n; ++i) {
if (rand_range(0, N-i) < n) {
vec[i] = 1;
--n;
}
else
vec[i] = 0;
}
for (; i < N; ++i) vec[i] = 0;
}
2。洗牌指数
另一种可能性是通过对索引列表进行前缀洗牌来生成 1 的索引:
int random_fill(int vec[], int N, int n) {
/* For simplicity, use a temporary vector */
int* inds = malloc(N * sizeof *inds);
for (int i = 0; i < N; ++i) inds[i] = i;
for (int i = 0; i < n; ++i) {
int j = rand_range(i, N);
int t = inds[j]; inds[j] = inds[i]; inds[i] = t;
}
for (int i = 0; i < N; ++i) vec[i] = 0;
for (int i = 0; i < n; ++i) vec[inds[i]] = 1;
free(inds);
}
3。从枚举序列中选择
如果N choose n 不是太大(也就是说,您可以在没有整数溢出的情况下计算它),生成随机序列的一种方法是选择一个小于N choose n 的随机整数,然后生成与该序数的组合使用一些可能的序列枚举。 (如果您使用rand(),您应该知道即使N choose n 可以计算而不会溢出,它可能仍然大于RAND_MAX,在这种情况下rand() 不会生成所有可能的序数。 )
上面的水库采样算法可以直接适应产生一个枚举:
/* Fills vec with the kth sequence of n 1s and N-n 0s, using
* an unspecified ordinal sequence; every value of k between 0
* and (N choose n) - 1 produces a distinct sequence.
*/
void ordinal_fill(int vec[], int N, int n, int k) {
for (int i = 0; N; ++i, --N) {
int r = (k * n) % N;
if (r < n) {
vec[i] = 1;
k = (k * n) / N;
--n;
} else {
vec[i] = 0;
k = (k * (N - n)) / N;
}
}
}
(live on ideone)
上面的程序没有对其他的序数值做任何假设
而不是它是正数并且适合整数。实际上,它将采取
模N choose n,尽管该值从未明确计算过。如果你
使用 uint64_t 而不是 int 和一个随机数生成器,它可以
产生大范围的随机数,你可以通过给函数提供一个随机数来生成随机序列。当然,这并不能保证序列是唯一的。
本质上,该函数通过使用序数值 (k) 作为水库采样算法所需的“随机”数的来源来工作。每个序数(mod N choose n)对应一个不同的序列(证明留作练习)。因为序数空间是按模而不是按量来划分的,所以序数序列作为一个序列可能不是特别有用,但可以保证它是一个完整的序列。
按大小划分(使用组合编号之类的东西
system) 可能更快——例如,它不需要除法——但它需要有效地访问二项式数字,而上述函数不需要。如果每一步都计算二项式系数,则需要进行除法,从而消除了很多速度优势。