抽奖几率-三种算法

1、逢“几”中奖

逢“几”中奖，即经过预估抽奖人数和奖品数来判断，“几”=(抽奖人数/奖品数)*N。这是一种最简单抽奖算法，适合抽奖人数众多，并且互相无联系的状况。现在大为流行的微博转发得奖就经常使用这种算法，即根据转发次数来决定奖品归属，透明并且具备激励性。

固然这个“几”也不单只次数，还多是时间，逢某个时间点就能够抽中，不过这种方案可能产生无人中奖和不少人中奖的状况，时间点的安排很关键！这个时间点一旦公布出去，那就是秒杀，霍霍。。

逢“几”中奖有不少弊端，可是很是简单，很容易实现，被不少抽奖活动所采用，有些会公布抽奖规则，激励抽奖，有些则不会公布，其实后台运行的可能也是这个算法，简单高效又不失公平。在信息不透明的状况下，鬼知道你是第几个抽奖的，哈哈。。

2、几率抽奖

所谓几率抽奖是最容易想到的抽奖算法了，这个几率能够是一成不变的，也能够是一直在变化调整的，最难的是采用多大的几率，何种状况下采用何种几率。这个也没有什么通用的方案，不一样的应用场景，所用的几率算法不一样。下面介绍一种算法，根据奖品的过时日期来计算它当前时间的中奖率，当时间逐渐接近奖品过时时间时，中奖几率会逐渐发生变化，若是设为1表示线性衰减，2为平方衰减，以此类推。

importjava.util.Date;

importjava.util.Random;

 

publicclass LotteryTool {

 

private double factor;

private double probability;

private Random rand;

 

private LotteryTool(double probability, long expireTime, int reduce){

this.factor = (double) System.currentTimeMillis() / expireTime;

this.probability = probability * Math.pow(factor, reduce);

this.rand = new Random(System.currentTimeMillis());

}

 

public static LotteryTool getInstance(double probability, longexpireTime,

int reduce) {

return new LotteryTool(probability, expireTime, reduce);

}

 

public boolean isLucky(long expected) {

long token = generateLong();

expected = expected % (int) (1 / probability);

if (expected == token) {

return true;

}

return false;

}

 

3、依赖不可控的物理随机数 

什么意思呢，先看个图，看完你就知道了

 

 

 

明白了吧，呵呵，这就是现现在灰常流行的一种抽奖算法，绝对公平、绝对透明、绝对木有暗箱（除非偷偷给你换了抽奖号码）！可是这种方法惟一的缺点是没法实时抽奖，只能过后抽奖。也就是只能拿个抽奖号等着上帝的眷顾，阿门。。。

 

 

例如游戏中战胜一个boss，会掉落下面其中一个物品，而每一个物品都有必定几率： 1. 靴子 20% 2. 披风 25% 3. 饰品 10% 4. 双手剑 5% 5. 金币袋 40% 如今的问题就是如何根据几率掉落一个物品给玩家。

一. 通常算法：生成一个列表，分红几个区间，例如列表长度100，1-20是靴子的区间，21-45是披风的区间等，而后随机从100取出一个数，看落在哪一个区间。算法时间复杂度：预处理O(MN)，随机数生成O(1)，空间复杂度O(MN)，其中N表明物品种类，M则由最低几率决定。

2、离散算法：也就是上面的改进，居然1-20都是靴子，21-45都是披风，那抽象成小于等于20的是靴子，大于20且小于等于45是披风，就变成几个点[20,45,55,60,100]，而后也是从1到99随机取一个数R，按顺序在这些点进行比较，知道找到第一个比R大的数的下标，比通常算法减小占用空间，还能够采用二分法找出R，这样，预处理O(N)，随机数生成O(logN)，空间复杂度O(N)。 请点击查看详细：http://www.cnblogs.com/miloyip/archive/2010/04/21/1717109.html

3、Alias Method Alias Method就不太好理解，实现很巧妙，推荐先看看这篇文章：http://www.keithschwarz.com/darts-dice-coins/ 大体意思：把N种可能性拼装成一个方形（总体），分红N列，每列高度为1且最多两种可能性，可能性抽象为某种颜色，即每列最多有两种颜色，且第n列中必有第n种可能性，这里将第n种可能性称为原色。 想象抛出一个硬币，会落在其中一列，而且是落在列上的一种颜色。这样就获得两个数组：一个记录落在原色的几率是多少，记为Prob数组，另外一个记录列上非原色的颜色名称，记为Alias数组，若该列只有原色则记为null。

以前的例子，为了便于演示换成分数 1. 靴子 20% -> 1/4 2. 披风 25% -> 1/5 3. 饰品 10% -> 1/10 4. 双手剑 5% -> 1/20 5. 金币袋 40% -> 2/5 而后每一个都乘以5（使每列高度为1），再拼凑成方形 拼凑原则：每次都从大于等于1的方块分出一小块，与小于1的方块合成高度为1

由上图方形可获得两个数组： Prob: [3/4, 1/4, 1/2, 1/4, 1] Alias: [4, 4, 0, 1, null] (记录非原色的下标)

以后就根据Prob和Alias获取其中一个物品 随机产生一列C，再随机产生一个数R，经过与Prob[C]比较，R较大则返回C，反之返回Alias[C]。

Alias Method 复杂度：预处理O(NlogN)，随机数生成O(1)，空间复杂度O(2N)