油藏采样算法答案

【问题标题】：Reservoir Sampling Algorithm油藏采样算法
【发布时间】：2013-01-20 21:23:02
【问题描述】：

我想了解水库采样算法，我们从给定的 S 元素集合中选择 k 个元素，使得 k

在 wiki 上给出的算法中：

array R[k];    // result
integer i, j;

 // fill the reservoir array

for each i in 1 to k do
    R[i] := S[i]
done;

// replace elements with gradually decreasing probability

for each i in k+1 to length(S) do
    j := random(1, i);   // important: inclusive range
    if j <= k then
        R[j] := S[i]
    fi
done

如果我理解正确的话，我们首先从集合中选择k个元素，然后不断解析S的i个元素，生成1到i范围内的随机no j，并将元素j替换为S[i]。

如果要采样的集合 K 非常大，看起来很好，但是如果我想从无限大小（至少未知大小）的链表中随机选择 1 个元素，我将如何使用此算法...？

【问题讨论】：

标签： java algorithm random reservoir-sampling

【解决方案1】：

水库采样算法适用于任何大小的链表，即使是事先未知长度的链表。事实上，水库采样的主要卖点之一是它适用于预先不知道大小的数据流。

如果您设置 k = 1，然后运行正常的水库采样算法，那么您应该正确地从列表中获取一个均匀随机的元素。

希望这会有所帮助！

【讨论】：

感谢您的评论，但它没有帮助...你能解释一下如何...？
@ASingh- 只需在您的链表上运行正常的水库采样算法，将 k 设置为 1。水库采样算法中的任何内容都不需要您提前知道列表的长度（您的 for 循环已经写到循环到length(S) 可以很容易地被一个while 循环替换，该循环在有未访问的元素时循环），所以你可以在未知长度的链表上运行算法。这有意义吗？
是的，现在说得通了……谢谢

【解决方案2】：

我已经实现了一个不同的算法来解决这个问题，这是我的代码

static char[] solution2(String stream, int K) {
    HashSet<Integer> set = new HashSet();
    char[] list = new char[K];
    stream = stream.concat(stream2);
    Random ran = new Random();
    for (int i = 0; i < K; i++) {
        int y = ran.nextInt(stream.length());
        if (set.add(y)) {
            list[i] = stream.charAt(y);
        } else {
            i--; //skip this iteration since its duplicate number
        }
    }
    return list;
}

无需遍历所有流值，只需选择一个随机值 J 并从流中获取 N[J]。

【讨论】：