python 加权随机算法_加权随机算法 - 飞儿飞的个人空间 - OSCHINA - 中文开源技术交流社区...

加权随机算法一般应用在以下场景：有一个集合S，里面比如有A,B,C,D这四项。这时我们想随机从中抽取一项，但是抽取的概率不同，比如我们希望抽到A的概率是50%,抽到B和C的概率是20%,D的概率是10%。一般来说，我们可以给各项附一个权重，抽取的概率正比于这个权重。那么上述集合就成了：

{A:5，B:2，C:2，D:1}

方法一：

扩展这个集合，使每一项出现的次数与其权重正相关。在上述例子这个集合扩展成：

{A,A,A,A,A,B,B,C,C,D}

然后就可以用均匀随机算法来从中选取。

好处：选取的时间复杂度为O(1),算法简单。

坏处：空间占用极大。另外如果权重数字位数较大，例如{A:49.1 B：50.9}的时候，就会产生巨大的空间浪费。

方法二：

计算权重总和sum，然后在1到sum之间随机选择一个数R，之后遍历整个集合，统计遍历的项的权重之和，如果大于等于R，就停止遍历，选择遇到的项。

还是以上面的集合为例，sum等于10，如果随机到1-5，则会在遍历第一个数字的时候就退出遍历。符合所选取的概率。

好处：没有额外的空间占用，算法也比较简单。

坏处：选取的时候要遍历集合，时间复杂度是O(n)。

方法三：

可以对方法二进行优化，对项目集按照权重排序。这样遍历的时候，概率高的项可以很快遇到，减少遍历的项。

比较{A:5，B:2，C:2，D:1}和{B:2，C:2，A:5，D:1}

前者遍历步数的期望是5/10*1+2/10*2+2/10*3+1/10*4而后者是2/10*1+2/10*2+5/10*3+1/10*4。

好处：提高了平均选取速度。

坏处：需要进行排序，并且不易添加删除修改项。

解决：

这是能想到和能看到的最多的版本，不知道还没有更高效好用的算法。

#!/usr/bin/env python

# -*- coding: utf-8 -*-

#python2.7x

#random_weight.py

#author: orangleliu@gmail.com 2014-10-11

'''''

每个元素都有权重，然后根据权重随机取值

输入 {"A":2, "B":2, "C":4, "D":10, "E": 20}

输出一个值

'''

import random

import collections as coll

data = {"A":2, "B":2, "C":4, "D":6, "E": 11}

#第一种 根据元素权重值 "A"*2 ..等，把每个元素取权重个元素放到一个数组中，然后最数组下标取随机数得到权重

def list_method():

all_data = []

for v, w in data.items():

temp = []

for i in range(w):

temp.append(v)

all_data.extend(temp)

n = random.randint(0,len(all_data)-1)

return all_data[n]

#第二种 也是要计算出权重总和，取出一个随机数，遍历所有元素，把权重相加sum，当sum大于等于随机数字的时候停止，取出当前的元组

def iter_method():

total = sum(data.values())

rad = random.randint(1,total)

cur_total = 0

res = ""

for k, v in data.items():

cur_total += v

if rad<= cur_total:

res = k

break

return res

def test(method):

dict_num = coll.defaultdict(int)

for i in range(100):

dict_num[eval(method)] += 1

for i,j in dict_num.items():

print i, j

if __name__ == "__main__":

test("list_method()")

print "-"*50

test("iter_method()")

一次执行的结果

A 4

C 14

B 7

E 44

D 31

--------------------------------------------------

A 8

C 16

B 6

E 43

D 27

问题：

例如我们要选从不同省份选取一个号码，每个省份的权重不一样，直接选随机数肯定是不行的了，就需要一个模型来解决这个问题。

简化成下面的问题：

字典的key代表是省份，value代表的是权重，我们现在需要一个函数，每次基于权重选择一个省份出来

{"A":2, "B":2, "C":4, "D":10, "E": 20}