Tag: 混洗

什么，如果有的话，这个洗牌algorithm是错误的，我怎么知道？

就像背景一样，我知道Fisher-Yates完美的洗牌。 O（n）的复杂性和保证的一致性是一个很好的洗牌，我不会使用它…在允许数组就地更新的环境中（所以在大多数情况下，即使不是全部， 命令式编程环境）。 可悲的是function性编程世界并不能让你进入可变状态。 然而，由于Fisher-Yates，关于如何devise一个洗牌algorithm，并没有太多的文献可以find。 事实上，几乎没有一个地方可以这样说，“所以这里就是你需要知道的所有洗牌的费希尔 – 耶茨。 最后，我必须拿出我自己的解决scheme。 我想出了这样的解决scheme来洗牌任何数据列表： 如果列表为空，则返回空集。 如果列表中有单个项目，则返回该单个项目。 如果列表不是空的，则用随机数生成器对列表进行分区，并recursion地将algorithm应用于每个分区，然后组装结果。 在Erlang代码中，它看起来像这样： shuffle([]) -> []; shuffle([L]) -> [L]; shuffle(L) -> {Left, Right} = lists:partition(fun(_) -> random:uniform() < 0.5 end, L), shuffle(Left) ++ shuffle(Right). （如果这看起来像一个疯狂的快速sorting，那么基本上就是这样。） 所以这就是我的问题：寻找不是Fisher-Yates的混洗algorithm的相同情况使得寻找工具来分析洗牌algorithm同样困难。 在分析PRNG的一致性，周期性等方面，我可以find许多文献，但是关于如何分析洗牌的信息却并不多。 （事实上​​，我在分析洗牌时发现的一些信息显然是错误的 – 很容易通过简单的技术欺骗。） 所以我的问题是：我如何分析我的洗牌algorithm（假设random:uniform()调用那里有产生具有良好特性的适当随机数的任务）？ 我可以用什么math工具来判断，在1..100的整数列表中，是否有100,000次洗牌机运行给了我合理的洗牌结果？ 我已经做了一些我自己的testing（例如比较增量在shuffles中的递减），但我想知道更多。 如果有什么洞察到洗牌algorithm本身，也将不胜感激。

为什么这个简单的洗牌algorithm产生有偏见的结果？ 什么是一个简单的原因？

看来这个简单的洗牌algorithm会产生有偏见的结果： # suppose $arr is filled with 1 to 52 for ($i < 0; $i < 52; $i++) { $j = rand(0, 51); # swap the items $tmp = $arr[j]; $arr[j] = $arr[i]; $arr[i] = $tmp; } 你可以试试它…而不是使用52，使用3（假设只有3张卡被使用），并运行10000次，并计算结果，你会看到结果是倾向于某些模式… 问题是…它会发生什么简单的解释？ 正确的解决scheme是使用类似的东西 for ($i < 0; $i < 51; $i++) { # last card need not swap […]