带权重的随机Java实现

题目

淘宝里如果按照1-5星的店面，从五家店里一共推送出10个同一类产品，都是随机推送，但是最后大量的随机测试后，要保证五颗星的店家推送的商品数量大概是一颗星店家推送的商品数量的五倍，且不能破坏其他概率输出。

---

分析

这就是一个带权重的随机题。

1星店铺的权重是1，2星店铺的权重是2，……，5星店铺的权重是5。

使用java.util.Random.nextInt(int n)函数，返回一个伪随机数，它是取自此随机数生成器序列的、在 0（包括）和指定值（不包括）之间均匀分布的 int 值。则可以用以下逻辑：

• [0, 1) 区间的数对应 “1星店铺”；
• [1, 3) 区间的数对应 “2星店铺”；
• [3, 6) 区间的数对应 “3星店铺”；
• [6, 10) 区间的数对应 “4星店铺”；
• [10, 15) 区间的数对应 “3星店铺”；

TreeMap是基于红黑树的实现，其中有一个方法用来判断随机数所在区间非常方便：

Map.Entry floorEntry(K key)

​ 返回一个键-值映射关系，它与小于等于给定键的最大键关联；如果不存在这样的键，则返回 null。

BTW，下面这些方法也很常用，只是在这里没有用上：

Map.Entry ceilingEntry(K key)
返回一个键-值映射关系，它与大于等于给定键的最小键关联；如果不存在这样的键，则返回 null。

Map.Entry higherEntry(K key)

​ 返回一个键-值映射关系，它与严格大于给定键的最小键关联；如果不存在这样的键，则返回 null。

Map.Entry lowerEntry(K key)

​ 返回一个键-值映射关系，它与严格小于给定键的最大键关联；如果不存在这样的键，则返回 null。

---

代码

    public static void main(String[] args) {
        int[] weightArray = new int[]{1, 2, 3, 4, 5};
        TreeMap treeMap = new TreeMap();

        int key = 0;
        for (int weight : weightArray) {
            treeMap.put(key, weight);
            key += weight;
        }

        Random r = new Random();
        int num;
        int store;
        System.out.println("简单展示一下效果：");
        for (int i = 0; i < 10; i++) {
            num = r.nextInt(key);
            store = treeMap.floorEntry(num).getValue();
            System.out.printf("    num: %d, result: %d \n", num, store);
        }

        System.out.println("\n统计概率：");
        int[] storeStat = new int[weightArray.length + 1];
        for (int i = 0; i < 10000; i++) {
            num = r.nextInt(key);
            store = treeMap.floorEntry(num).getValue();
            storeStat[store]++;
        }

        for (int i = 1; i < storeStat.length; i++) {
            double result = storeStat[i] / 10000.0;
            System.out.printf("    store %d: %f\n", i, result);
        }

    }

输出：

简单展示一下效果：
    num: 10, result: 5 
    num: 6, result: 4 
    num: 2, result: 2 
    num: 2, result: 2 
    num: 2, result: 2 
    num: 3, result: 3 
    num: 9, result: 4 
    num: 5, result: 3 
    num: 0, result: 1 
    num: 0, result: 1 
统计概率：
    store 1: 0.069500
    store 2: 0.131600
    store 3: 0.203900
    store 4: 0.257000
    store 5: 0.338000

Process finished with exit code 0