.NET如何写正确的“抽奖”——打乱数组算法

.NET如何写正确的“抽奖”——数组乱序算法

数组乱序算法常用于抽奖等生成临时数据操作。就拿年会抽奖来说,如果你的算法有任何瑕疵,造成了任何不公平,在年会现场code review时,搞不好不能活着走出去。

这个算法听起来很简单,简单到有时会拿它做面试题去考候选人,但它实际又很不容易,因为细节很重要,稍不留神就错了。

首先来看正确的做法:

T[] ShuffleCopy<T>(IEnumerable<T> data, Random r)
{
    var arr = data.ToArray();

    for (var i = arr.Length - 1; i > 0; --i)
    {
        int randomIndex = r.Next(i + 1);

        T temp = arr[i];
        arr[i] = arr[randomIndex];
        arr[randomIndex] = temp;
    }

    return arr;
}

可以在LINQPad 6中,使用如下代码,测试随机打乱0-10的数列,进行50万条次模拟统计:

int[] Measure(int n, int maxTime)
{
	var data = Enumerable.Range(0, n);
	var sum = new int[n];

	var r = new Random();
	for (var times = 0; times < maxTime; ++times)
	{
		var result = ShuffleCopy(data, r);
		for (var i = 0; i < n; ++i)
		{
			sum[i] += result[i] != i ? 1 : 0;
		}
	}
	
	return sum;
}

然后可以使用LINQPad特有的报表函数,将数据展示为图表:

Util.Chart(
	Measure(10, 50_0000).Select((v, i) => new { X = i, Y = v}), 
	x => x.X, y => y.Y, Util.SeriesType.Bar
	).Dump();

运行效果如下(记住这是正确的示例):

可见50万次测试中,曲线基本平稳,0-10的分布基本一致,符合统计学上的概率相等。

再来看看如果未做任何排序的代码:

T[] ShuffleCopy<T>(IEnumerable<T> data, Random r) => data.ToArray();

曲线:

记住这两条曲线,它们将作为我们的参考曲线。

不然呢?

其实正确的代码每一个标点符号都不能错,下面我将演示一些错误的示例

错误示例1

多年前我看到某些年会抽奖中使用了代码(使用JavaScript错误示例):

[0,1,2,3,4,5,6,7,8,9].sort((a, b) => Math.random() - 0.5) 
// 或者
[0,1,2,3,4,5,6,7,8,9].sort((a, b) => Math.random() - Math.random()) 

返回结果如下:

(10) [8, 4, 3, 6, 2, 1, 7, 9, 5, 0]

看起来“挺”正常的,数据确实被打乱了,这些代码在C#中也能轻易写出来:

T[] ShuffleCopy<T>(IEnumerable<T> data, Random r) => 
	data.OrderBy(v => r.NextDouble() < 0.5).ToArray();

50万条数据统计结果如下:

可见,排在两端的数字几乎没多大变化,如果用于公司年会抽奖,那么排在前面的人将有巨大的优势

对比一下,如果在公司年会抽奖现场,大家Code Review时在这时“揭竿而起”,是不是很正常?

为什么会这样?

因为排序算法的本质是不停地比较两个值,每个值都会比较不止一次。因此要求比较的值必须是稳定的,在此例中明显不是。要获得稳定的结果,需要将随机数固定下来,像这样:

T[] ShuffleCopy<T>(IEnumerable<T> data, Random r) => data
	.Select(v => new { Random = r.NextDouble(), Value = v})
	.OrderBy(v => v.Random)
	.Select(x => x.Value)
	.ToArray();

此时结果如下(正确):

这种算法虽然正确,但它消耗了过多的内存,时间复杂度为整个排序的复杂度,即O(N logN)

乱个序而已,肯定有更好的算法。

错误示例2

如果将所有值遍历一次,将当前位置的值与随机位置的值进行交换,是不是也一样可以精准打乱一个数组呢?

试试吧,按照这个想法,代码可写出如下:

T[] ShuffleCopy<T>(IEnumerable<T> data, Random r)
{
	var arr = data.ToArray();

	for (var i = 0; i < arr.Length; ++i)
	{
		int randomIndex = r.Next(arr.Length);

		T temp = arr[i];
		arr[i] = arr[randomIndex];
		arr[randomIndex] = temp;
	}

	return arr;
}

运行结果如下:

有一点点不均匀,我可以保证这不是误差,因为多次测试结果完全一样,咱们拿数据说话,通过以下代码,可以算出所有值的变化比例:

Measure(10, 50_0000).Select(x => (x / 50_0000.0).ToString("P2")).Dump();

结果如下:

0 90.00% 
1 90.54% 
2 90.97% 
3 91.29% 
4 91.41% 
5 91.38% 
6 91.31% 
7 90.97% 
8 90.60% 
9 90.01% 

按道理每个数字偏离本值比例应该是90.00%的样子,本代码中最高偏离值高了1.41%,作为对比,可以看看正确示例的偏离比例数据:

0 90.02% 
1 90.05% 
2 90.04% 
3 89.98% 
4 90.05% 
5 90.04% 
6 90.07% 
7 90.03% 
8 89.97% 
9 90.02% 

可见最大误差不超过0.05%,相比高达1%的误差,这一定是有问题的。

其实问题在于随机数允许移动多次,如果出现多次随机,可能最终的值就不随机了,可以见这个示例,如果一个窗口使用这样的方式随机画点:坐标x两个随机数相加、坐标y仅一个随机数,示例代码如下:

// 安装NuGet包:FlysEngine.Desktop
using var form = new RenderWindow();
var r = new Random();
var points = Enumerable.Range(0, 10000)
	.Select(x => (x: r.NextDouble() + r.NextDouble(), y: r.NextDouble()))
	.ToArray();
form.Draw += (o, ctx) =>
{
	ctx.Clear(Color.CornflowerBlue);
	foreach (var p in points)
	{
		ctx.FillRectangle(new RectangleF(
			(float)p.x / 2 * ctx.Size.Width, 
			(float)p.y * ctx.Size.Width, 
			ctx.Size.Width / 100, ctx.Size.Height / 100), form.XResource.GetColor(Color.Black));
	}
};
RenderLoop.Run(form, () => form.Render(0, PresentFlags.None));

那么画出来的点可能是这个样子:

可见,1万条数据,x坐标两个随机数相加之后,即使下方代码中除以2了,结果已经全部偏向中间值了(和本例代码效果一样),而只使用一次的y坐标,随机程度正常。想想也能知道,就像扔色子一样,两次扔色子平均是6的机率远比平均是3的机率低。

因此可以得出一个结论:随机函数不能随意叠加

错误示例3

如何每个位置的点只交换一次呢?没错,我们可以倒着写这个函数,首先来看这样的代码:

T[] ShuffleCopy<T>(IEnumerable<T> data, Random r)
{
	var arr = data.ToArray();

	for (var i = arr.Length - 1; i > 0; --i)
	{
		int randomIndex = r.Next(i);

		T temp = arr[i];
		arr[i] = arr[randomIndex];
		arr[randomIndex] = temp;
	}

	return arr;
}

注意循环终止条件是i > 0,而不是直接遍历的i >= 0,因为r.Next(i)的返回值一定是小于i的,用>=0没有意义,首先来看看结果:

用这个算法,每个数字出来都一定不是它自己本身,这合理吗?听起来感觉也合理,但真的如此吗?

假设某公司年会使用该算法抽奖,那结论就是第一个人不可能中奖,如果恰好你正好是抽奖名单列表的第一个人,你能接受吗?

据说当年二战时期德国的通讯加密算法,就是因为加密之前一定和原先的数据不一样,导致安全性大大降低,被英国破解的。

这个问题在于算法没允许和数字和自己进行交换,只需将r.Next(i)改成r.Next(i + 1),问题即可解决。

总结

所以先回顾一下文章最初算法:

T[] ShuffleCopy<T>(IEnumerable<T> data, Random r)
{
    var arr = data.ToArray();

    for (var i = arr.Length - 1; i > 0; --i)
    {
        int randomIndex = r.Next(i + 1);

        T temp = arr[i];
        arr[i] = arr[randomIndex];
        arr[randomIndex] = temp;
    }

    return arr;
}

然后重新体会一下它性感的测试数据(10条数据,标准的90%):

只有写完很多个不正确的版本,才能体会出写出正确的代码,每一个标点符号都很重要的感觉。

喜欢的朋友 请关注我的微信公众号:【DotNet骚操作】

DotNet骚操作

posted @ 2019-11-04 09:17  .NET骚操作  阅读(3692)  评论(31编辑  收藏  举报