JAVA基于权重的抽奖
https://blog.csdn.net/huyuyang6688/article/details/50480687
如有4个元素A、B、C、D，权重分别为1、2、3、4，随机结果中A:B:C:D的比例要为1:2:3:4。
总体思路：累加每个元素的权重A(1)-B(3)-C(6)-D(10)，则4个元素的的权重管辖区间分别为[0,1)、[1,3)、[3,6)、[6,10)。
然后随机出一个[0,10)之间的随机数。落在哪个区间，则该区间之后的元素即为按权重命中的元素。
实现方法：
利用TreeMap，则构造出的一个树为:
B(3)
/ \
/ \
A(1) D(10)
/
/
C(6)
然后，利用treemap.tailMap().firstKey()即可找到目标元素。
(3落在70%权重，7落在70-95的权重，10落在95-100的权重)
https://www.bbsmax.com/A/LPdo4pk2z3/
三、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，这就是现如今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）！但是这种方法唯一的缺点是无法实时抽奖，只能事后抽奖。也就是只能拿个抽奖号等着上帝的眷顾，阿门。。。
例如游戏中打败一个boss，会掉落下面其中一个物品，而每个物品都有一定概率： 1. 靴子 20% 2. 披风 25% 3. 饰品 10% 4. 双手剑 5% 5. 金币袋 40% 现在的问题就是如何根据概率掉落一个物品给玩家。
一. 一般算法：生成一个列表，分成几个区间，例如列表长度100，1-20是靴子的区间，21-45是披风的区间等，然后随机从100取出一个数，看落在哪个区间。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代表物品种类，M则由最低概率决定。
二、离散算法：也就是上面的改进，竟然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]，然后也是从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，比一般算法减少占用空间，还可以采用二分法找出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
三、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/ 大致意思：把N种可能性拼装成一个方形（整体），分成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，并且是落在列上的一种颜色。这样就得到两个数组：一个记录落在原色的概率是多少，记为Prob数组，另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。
之前的例子，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 然后每个都乘以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
由上图方形可得到两个数组： Prob: [3/4, 1/4, 1/2, 1/4, 1] Alias: [4, 4, 0, 1, null] (记录非原色的下标)
之后就根据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，通过与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)
https://www.cnblogs.com/younggun/p/3249772.html
简介
最近闲的无聊，将以前做的一个微信抽奖小demo拿来分享一下,以便加深印象。
效果图
业务要求
在一个奖池中放一堆奖品，分别给它们设置不同的数量,比如一等奖A10个，二等奖B，30个，三等奖C10个，然后设置参与人数C人
条件是：
当奖品数大于参与人数，100%中奖。
当奖品A发放完是，不能被抽中。
当奖品发放完毕是，该抽奖活动自动下架。
同一个用户如果中奖了，将不能继续参与该活动。
这里只讨论下其中的核心算法的设计及一个示例函数，算法之外的系统控制暂不提及。
实现抽奖的方法应该有很多，没有仔细去考察和搜索那些非常复杂的算法，这里仅做了一个简单的假设，并在此基础上推出后面所有的控制逻辑。
实现方法
java核心抽奖代码如下:
public class LotteryUtil {
/**
*
* @param orignalRates 传人每一个奖品概率的集合,(集合的第一个参数是0.0 表示百分比中奖)
* @return
*/
public static int lottery(List<Double> orignalRates) {
if (orignalRates == null || orignalRates.isEmpty()) {
return -1;
}
int size = orignalRates.size();
// 计算总概率，这样可以保证不一定总概率是1
double sumRate = 0d;
for (double rate : orignalRates) {
sumRate += rate;
}
// 计算每个物品在总概率的基础下的概率情况
List<Double> sortOrignalRates = new ArrayList<Double>(size);
Double tempSumRate = 0d;
/*遍历奖品概率的集合，计算每一个奖品的中间区间*/
for (double rate : orignalRates) {
tempSumRate += rate;
sortOrignalRates.add(tempSumRate/sumRate);
}
// 根据区块值来获取抽取到的物品索引
double nextDouble = Math.random();
sortOrignalRates.add(nextDouble);
Collections.sort(sortOrignalRates);
return sortOrignalRates.indexOf(nextDouble);
}
}
抽奖的业务逻辑代码如下
/*awardItems获取奖品的一个集合*/
if (activityUserDao.getCountByOpenId(Award.WHEEL_AWARD_TYPE, wid, open_id) <= 0) {
/* awardItems获取奖品的一个集合 */
List<Award> awardItems = awardDao.getByActivity(aw.getWheel_id(), Award.WHEEL_AWARD_TYPE);
/* lotterys存放每一个奖品的中奖概率集合 */
List<Double> lotterys = new ArrayList<Double>();
/* 获取总的奖品数量 */
int count = 0;
for (Award a : awardItems) {
count += a.getProvide_count();
}
if (aw.getPeople_count() <= count) {
lotterys.add(0.0); // 100%中奖
} else {
/* 预计参与人数减去奖品数 除以参与人数 = 未中奖概率 */
lotterys.add((double) (aw.getPeople_count() - count) / (double) aw.getPeople_count());
}
/* 遍历奖品集合，获取每一个奖品中奖概率 */
for (Award a : awardItems) {
if (a.getOver_count() > 0) {
lotterys.add((double) a.getProvide_count() / (double) aw.getPeople_count());
} else {
lotterys.add(0.0);
}
}
// 计算中奖概率
int index = LotteryUtil.lottery(lotterys);
if (index > 0) {// 中奖
Award a = awardItems.get(index - 1);
long key = Math.round(Math.random() * (999999 - 100000) + 100000); // 6位数中奖序列号
// 修改商品剩余数量 + 记录序列号
if (awardDao.doLowerOverCount(a.getAward_id()) > 0
&& activityUserDao.doInsert(new ActivityUser(aw.getPublic_id(), Award.WHEEL_AWARD_TYPE, wid, a.getAward_id(), key + "", open_id)) > 0) {
rb.setCode(index);
rb.setData(key);
rb.setMessage(a.getAward_name());
} else {
rb.setCode(0);
}
}
// 抽奖记录
activityRecordDao.doInsert(new ActivityRecord(open_id, Award.WHEEL_AWARD_TYPE, wid, request.getRemoteAddr()));
前端抽奖工具类
/**
* 注意：本插件运用了rem屏幕适配方案，一律采用rem作为单位，若项目中不是采用这种方案的，此段代码不会影响功能使用，仅会影响控件样式
*/
(function(win, doc, $) {
var defaultOpt = {
rotateNum: 5, //转盘转动圈数
body: "", //大转盘整体的选择符或zepto对象
disabledHandler: function() {}, //禁止抽奖时回调
clickCallback: function() {}, //点击抽奖按钮,再次回调中实现访问后台获取抽奖结果,拿到抽奖结果后显示抽奖画面
KinerLotteryHandler: function(deg) {} //抽奖结束回调
};
function KinerLottery(opts) {
this.opts = $.extend(true, {}, defaultOpt, opts);
this.doing = false;
this.init();
}
KinerLottery.prototype.setOpts = function(opts) {
this.opts = $.extend(true, {}, defaultOpt, opts);
this.init();
};
KinerLottery.prototype.init = function() {
var self = this;
this.defNum = this.opts.rotateNum * 360; //转盘需要转动的角度
// console.log(this.defNum);
// alert(this.defNum);
//点击抽奖
$('#box').on('click', ".KinerLotteryBtn", function() {
if($(this).hasClass('start') && !self.doing) {
self.opts.clickCallback.call(self);
} else {
var key = $(this).hasClass('no_start') ? "noStart" : $(this).hasClass('completed') ? "completed" : "illegal";
self.opts.disabledHandler(key);
}
});
$(this.opts.body).find('.KinerLotteryContent').get(0).addEventListener('webkitTransitionEnd', function() {
self.doing = false;
var deg = $(self.opts.body).attr('data-deg');
if(self.opts.direction == 0) {
$(self.opts.body).attr('data-deg', 360 - deg);
$(self.opts.body).find('.KinerLotteryContent').css({
'-webkit-transition': 'none',
'transition': 'none',
'-webkit-transform': 'rotate(' + (deg) + 'deg)',
'transform': 'rotate(' + (deg) + 'deg)'
});
self.opts.KinerLotteryHandler(360 - deg);
} else {
$(self.opts.body).attr('data-deg', deg);
$(self.opts.body).find('.KinerLotteryContent').css({
'-webkit-transition': 'none',
'transition': 'none',
'-webkit-transform': 'rotate(' + (-deg) + 'deg)',
'transform': 'rotate(' + (-deg) + 'deg)'
});
self.opts.KinerLotteryHandler(deg);
}
});
};
KinerLottery.prototype.goKinerLottery = function(_deg) {
if(this.doing) {
return;
}
var deg = _deg + this.defNum;
var realDeg = this.opts.direction == 0 ? deg : -deg;
this.doing = true;
$(this.opts.body).find('.KinerLotteryBtn').addClass('doing');
$(this.opts.body).find('.KinerLotteryContent').css({
'-webkit-transition': 'all 5s',
'transition': 'all 5s',
'-webkit-transform': 'rotate(' + (realDeg) + 'deg)',
'transform': 'rotate(' + (realDeg) + 'deg)'
});
$(this.opts.body).attr('data-deg', _deg);
};
win.KinerLottery = KinerLottery;
})(window, document, $);
前端js调用抽奖类
/**
* @author wjb
* @description
* @version 1.0.0 2017/2/11
*/
app.controller("wheelOneController", ['$scope', '$stateParams', '$neu_', 'awardService', '$filter', '$timeout', 'util.alert', 'cfg', 'wxService', function($scope, $stateParams, $neu_, awardService, $filter, $timeout, alert, cfg, wxService) {
/*中奖开始时间*/
$scope.wheelStatu = {
start: true,
noStart: false,
completed: false
}
/*错误信息提示*/
$scope.errorMsg = "";
/*定义奖品数据变量*/
$scope.awards = [];
/*活动的id和活动的微信公众号ID*/
var activity_id = $neu_.isEmpty($stateParams.activity_id) ? 1 : $stateParams.activity_id;
var public_id = $neu_.isEmpty($stateParams.public_id) ? 1 : $stateParams.public_id;
var open_id = $neu_.isEmpty($stateParams.open_id) ? cfg.openId : $stateParams.open_id;
cfg.public_id = public_id;
cfg.open_id = open_id;
cfg.activity_id = activity_id;
//alert(cfg.public_id+"=="+cfg.activity_id+"=="+cfg.open_id );
/*获取活动信息*/
wxService.setConfig();
awardService.getWheelInfo(activity_id, public_id).then(function(res) {
//console.dir(res)
if(res.success) {
$scope.wheelStatu.start = true;
} else {
if(res.code == 1 || res.code == 3) {
$scope.wheelStatu.noStart = true;
} else if(res.code == 2) {
$scope.wheelStatu.completed = true;
}
$scope.errorMsg = res.msg;
}
$scope.wheelInfo = res.data;
});
awardService.getAwards(activity_id, public_id).then(function(res) {
$scope.awards = res.data;
});
/*奖品预览*/
var result = [];
$scope.showPic = function(pic) {
if(result.length == 0) {
$neu_.each($scope.awards, function(item) {
result.push(cfg.resourcePath + item.img);
});
}
wxService.previewImage(cfg.resourcePath + pic, result);
}
/*中奖结果集*/
$scope.result = [];
$scope.user = {
user_name: '',
phone: '',
activity_id: activity_id,
user_openid: open_id
};
/**
* 提交中奖人信息
*/
$scope.submit = function() {
$(".actBody_close").click();
$scope.isLoading = true;
awardService.updateLotteryUser($scope.user).then(function(res) {
$scope.isLoading = false;
if(res.success) {
alert('您的中奖信息已备案，我们的客服人员稍后会联系您，如何领取奖品');
} else {
alert('提交失败');
}
})
//alert('哈哈上当了吧^_^_^_^')
}
$scope.load = function() {
$timeout(function() {
ActBounced();
$("#layer").hide();
new KinerLottery({
rotateNum: 5, //转盘转动圈数
body: "#box", //大转盘整体的选择符或zepto对象
direction: 0, //0为顺时针转动,1为逆时针转动
disabledHandler: function(key) {
switch(key) {
case "noStart":
$scope.$apply(function() {
alert($scope.errorMsg);
});
break;
case "completed":
$scope.$apply(function() {
alert($scope.errorMsg);
});
break;
}
}, //禁止抽奖时回调
clickCallback: function() {
var this_ = this;
//此处访问接口获取奖品
$scope.isLoading = true;
awardService.startAweel(activity_id, open_id).then(function(res) {
$scope.isLoading = false;
if(isDebug){
this_.goKinerLottery(0);
}else{
if(res.success) {
var index = cfg.isDebug ? Math.floor(Math.random() * 5) : res.code;
$scope.result = $filter('awardToAngle')(index, $scope.awards);
if(index == 0) {
this_.opts.disabledHandler("noStart");
} else {
this_.goKinerLottery($scope.result[1]);
}
} else {
alert(res.msg);
}
}
})
}, //点击抽奖按钮,再次回调中实现访问后台获取抽奖结果,拿到抽奖结果后显示抽奖画面
KinerLotteryHandler: function(deg) {
$("#smallActAdv").click();
}
});
}, 500);
/*分享授权的地址*/
$timeout(function(){
var share ={shareUrl:"weixin/oauth.html?isBase=true&type=6&a_id="+activity_id+"&p_id="+public_id+"&appid="+cfg.appId};
wxService.onMenuShareAppMessage(share);
},3000)
}
}])
以上是抽奖的主要代码
作者：薪火设计
链接：https://www.jianshu.com/p/8e6c43f90faa
來源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。
一个简单抽奖算法的实现以及如何预防超中
需求
每个用户每天有3次抽奖机会；
抽奖奖池一共分为6档内容：现金红包1元，2元，3元，5元，iphone6s，谢谢参与；
支持每天调整和配置抽奖的获奖概率；
算法介绍
每种奖品都有一个权重 对应一个区间 若落入该区间就表示中奖 调整区间大小就可改变获奖概率 即调整权重值即可
| 奖品 | 权重 | 区间 | ||
|---|---|---|---|---|
| 1元 | 5000 | [0,5000) | ||
| 2元 | 1000 | [5000,6000) | ||
| 3元 | 500 | [6000,6500) | ||
| 5元 | 100 | [6500, 6600) | ||
| iphone6s | 1 | [6600, 6601) | ||
| 未中奖 | 59409 | [6601,66010) | 假设设定抽10次中一次, 未中奖权重 = 抽检概率导数奖品数-奖品数 = 106601-6601 = 59409 | |
抽奖的时候 先生成一个随机值
randNum = new Random().nextInt(totalWeight); // totalWeight = 上面权重列之和判断该随机值在哪一个区间 如
randNum = 8944 落在未中奖区间 未中奖
randNum = 944 落在1元区间 中了一元如果想增大中iphone6s的概率 调整权重值即可 如将权重改为1000， 则区间变为[6600,7600)
同时会为每种奖品设置库存 如
| 日期 | 奖品 | 库存 |
|---|---|---|
| 3.1 | 一元 | 5000 |
中奖后 会减库存 但假如库存只剩1个了 有10个用户同时落入一元区间 如何避免1-10=-9的情况呢？
解决方法
update award_stock set stock = stock - 1 where award_id = ? and stock > 0;即是否中奖除了落入区间外 还需判断减库存是否成功
如果减库存失败 仍当做未中奖
一旦一种奖品库存为0 下次计算区间的时候 将它排除 如一元奖品库存已为0 这时各奖品的区间变化为
| 奖品 | 权重 | 区间 | |
|---|---|---|---|
| 2元 | 1000 | [0,1000) | |
| 3元 | 500 | [1000,1500) | |
| 5元 | 100 | [1500, 1600) | |
| iphone6s | 1 | [1600, 1601) | |
| 未中奖 | 59409 | [1601,61010) | 61010/1601=38 此时中奖概率变小了 相当于抽38次中一次 |
验证上述算法
看是否能抽完所有奖品 如某天的奖品配置如下 (权重默认等于库存)
| 日期 | 奖品 | 权重 | 库存 |
|---|---|---|---|
| 3.1 | 1元 | 5000 | 5000 |
| 3.1 | 2元 | 1000 | 1000 |
| 3.1 | 3元 | 500 | 500 |
| 3.1 | 5元 | 100 | 100 |
| 3.1 | iphone6s | 1 | 1 |
| 3.1 | 未中奖 | 59409 | 59409 |
假设日活用户数为3万 每个用户可抽3次
java代码
final Map<String, Integer> awardStockMap = new ConcurrentHashMap<>(); // 奖品 <--> 奖品库存
awardStockMap.put("1", 5000);
awardStockMap.put("2", 1000);
awardStockMap.put("3", 500);
awardStockMap.put("5", 100);
awardStockMap.put("iphone", 1);
awardStockMap.put("未中奖", 59409); //6601*10 -6601
//权重默认等于库存
final Map<String, Integer> awardWeightMap = new ConcurrentHashMap<>(awardStockMap); // 奖品 <--> 奖品权重
int userNum = 30000; // 日活用户数
int drawNum = userNum * 3; // 每天抽奖次数 = 日活数*抽奖次数
Map<String, Integer> dailyWinCountMap = new ConcurrentHashMap<>(); // 每天实际中奖计数
for(int j=0; j<drawNum; j++){ // 模拟每次抽奖
//排除掉库存为0的奖品
Map<String, Integer> awardWeightHaveStockMap = awardWeightMap.entrySet().stream().filter(e->awardStockMap.get(e.getKey())>0).collect(Collectors.toMap(e->e.getKey(), e->e.getValue()));
int totalWeight = (int) awardWeightHaveStockMap.values().stream().collect(Collectors.summarizingInt(i->i)).getSum();
int randNum = new Random().nextInt(totalWeight); //生成一个随机数
int prev = 0;
String choosedAward = null;
// 按照权重计算中奖区间
for(Entry<String,Integer> e : awardWeightHaveStockMap.entrySet() ){
if(randNum>=prev && randNum<prev+e.getValue()){
choosedAward = e.getKey(); //落入该奖品区间
break;
}
prev = prev+e.getValue();
}
dailyWinCountMap.compute(choosedAward, (k,v)->v==null?1:v+1); //中奖计数
if(!"未中奖".equals(choosedAward)){ //未中奖不用减库存
awardStockMap.compute(choosedAward, (k,v)->v-1); //奖品库存一
if(awardStockMap.get(choosedAward)==0){
System.out.printf("奖品：%s 库存为空%n",choosedAward); //记录库存为空的顺序
}
}
}
System.out.println("各奖品中奖计数: "+dailyWinCountMap); //每日各奖品中奖计数输出
奖品：iphone 库存为空
奖品：5 库存为空
奖品：1 库存为空
奖品：2 库存为空
奖品：3 库存为空
每日各奖品中奖计数: {1=5000, 2=1000, 3=500, 5=100, iphone=1, 未中奖=83399}可知 假如该天抽奖次数能有9万次的话 可以抽完所有的奖品 另外因是单线程未考虑减库存
失败的情况 即并发减库存的情况
抽奖算法2 存在奖品库存的前提下 保证每次中奖的概率恒定 如15% 抽100次有15次中奖
final Map<String, Integer> awardStockMap = new ConcurrentHashMap<>();
awardStockMap.put("1", 3000);
awardStockMap.put("2", 2000);
awardStockMap.put("3", 1500);
awardStockMap.put("5", 1000);
awardStockMap.put("10", 100);
awardStockMap.put("20", 10);
awardStockMap.put("50", 5);
awardStockMap.put("100", 2);
// 权重默认等于库存
final Map<String, Integer> awardWeightMap = new ConcurrentHashMap<>(awardStockMap);
final Map<String, Integer> initAwardStockMap = new ConcurrentHashMap<>(awardStockMap);
int drawNum = 50780; // 理论可以抽完所有奖品所需抽奖次数 = 奖品数×中奖概率导数 = 7617*100/15
final int threshold = 15; //中奖概率 15%
Map<String, Integer> dailyWinCountMap = new ConcurrentHashMap<>(); // 每天实际中奖计数
for (int j = 0; j < drawNum; j++) { // 模拟每次抽奖
//确定是否中奖
int randNum = new Random().nextInt(100);
if(randNum>threshold){
dailyWinCountMap.compute("未中奖", (k,v)->v==null?1:v+1);
continue; //未中奖
}
//中奖 确定是哪个奖品
//排除掉库存为0的奖品
Map<String, Integer> awardWeightHaveStockMap = awardWeightMap.entrySet().stream().filter(e->awardStockMap.get(e.getKey())>0).collect(Collectors.toMap(e->e.getKey(), e->e.getValue()));
if(awardWeightHaveStockMap.isEmpty()){ //奖池已为空
System.out.printf("第%d次抽奖 奖品已被抽完%n",j);
break;
}
int totalWeight = (int) awardWeightHaveStockMap.values().stream().collect(Collectors.summarizingInt(i->i)).getSum();
randNum = new Random().nextInt(totalWeight);
int prev=0;
String choosedAward = null;
for(Entry<String,Integer> e : awardWeightHaveStockMap.entrySet() ){
if(randNum>=prev && randNum<prev+e.getValue()){
choosedAward = e.getKey(); //落入此区间 中奖
dailyWinCountMap.compute(choosedAward, (k,v)->v==null?1:v+1);
break;
}
prev = prev+e.getValue();
}
//减小库存
awardStockMap.compute(choosedAward, (k,v)->v-1);
}
System.out.println("每日各奖品中奖计数: "); // 每日各奖品中奖计数
dailyWinCountMap.entrySet().stream().sorted((e1,e2)->e2.getValue()-e1.getValue()).forEach(System.out::println);
awardStockMap.forEach((k,v)->{if(v>0){
System.out.printf("奖品：%s, 总库存： %d, 剩余库存： %d%n",k,initAwardStockMap.get(k),v);
}});
输出
第47495次抽奖 奖品已被抽完
每日各奖品中奖计数:
未中奖=39878
1=3000
2=2000
3=1500
5=1000
10=100
20=10
50=5
100=2
可见 实际不用到理论抽奖次数 即可抽完所有奖品
Java抽奖概率算法
| 序号 | 奖品名称 | 奖品编号 | 抽到的概率 |
| 1 | 再来一次 | P1 | 0.2 |
| 2 | 本站VIP一年 | P2 | 0.1 |
| 3 | 谢谢参与 | P3 | 0.4 |
| 4 | 50金币 | P4 | 0.3 |
| 5 | Iphone 6 | P5 | 0.0 |
| 6 | Ipad Air2 | P6 | -0.1 |
| 7 | 100元手机话费 | P7 | 0.008 |
数据很简单，那么就直接看代码了
/**
* 奖品类
* @author:rex
* @date:2014年10月20日
* @version:1.0
*/
public class Gift {
private int index;
private String gitfId;
private String giftName;
private double probability;
public Gift(int index, String gitfId, String giftName, double probability) {
this.index = index;
this.gitfId = gitfId;
this.giftName = giftName;
this.probability = probability;
}
public int getIndex() {
return index;
}
public void setIndex(int index) {
this.index = index;
}
public String getGitfId() {
return gitfId;
}
public void setGitfId(String gitfId) {
this.gitfId = gitfId;
}
public String getGiftName() {
return giftName;
}
public void setGiftName(String giftName) {
this.giftName = giftName;
}
public double getProbability() {
return probability;
}
public void setProbability(double probability) {
this.probability = probability;
}
@Override
public String toString() {
return "Gift [index=" + index + ", gitfId=" + gitfId + ", giftName=" + giftName + ", probability="
+ probability + "]";
}
}/**
* 不同概率抽奖工具包
* @author:rex
* @date:2014年10月20日
* @version:1.0
*/
public class LotteryUtil {
/**
* 抽奖
*
* @param orignalRates 原始的概率列表，保证顺序和实际物品对应
* @return 物品的索引
*/
public static int lottery(List<Double> orignalRates) {
if (orignalRates == null || orignalRates.isEmpty()) {
return -1;
}
int size = orignalRates.size();
// 计算总概率，这样可以保证不一定总概率是1
double sumRate = 0d;
for (double rate : orignalRates) {
sumRate += rate;
}
// 计算每个物品在总概率的基础下的概率情况
List<Double> sortOrignalRates = new ArrayList<Double>(size);
Double tempSumRate = 0d;
for (double rate : orignalRates) {
tempSumRate += rate;
sortOrignalRates.add(tempSumRate / sumRate);
}
// 根据区块值来获取抽取到的物品索引
double nextDouble = Math.random();
sortOrignalRates.add(nextDouble);
Collections.sort(sortOrignalRates);
return sortOrignalRates.indexOf(nextDouble);
}
public static int getJD(List<Double> orignalRates) {
if (orignalRates == null || orignalRates.isEmpty()) {
return -1;
}
int size = orignalRates.size();
// 计算总概率，这样可以保证不一定总概率是1
double sumRate = 0d;
for (double rate : orignalRates) {
sumRate += rate;
}
// 计算每个物品在总概率的基础下的概率情况
List<Double> sortOrignalRates = new ArrayList<Double>(size);
Double tempSumRate = 0d;
for (double rate : orignalRates) {
tempSumRate += rate;
sortOrignalRates.add(tempSumRate / sumRate);
}
// 根据区块值来获取抽取到的物品索引
double nextDouble = Math.random();
sortOrignalRates.add(nextDouble);
Collections.sort(sortOrignalRates);
return sortOrignalRates.indexOf(nextDouble);
}
}/**
* 不同概率抽奖
* @author:rex
* @date:2014年10月20日
* @version:1.0
*/
public class LotteryTest {
public static void main(String[] args) {
List<Gift> gifts = new ArrayList<Gift>();
// 序号==物品Id==物品名称==概率
gifts.add(new Gift(1, "P1", "物品1", 0.2d));
gifts.add(new Gift(2, "P2", "物品2", 0.2d));
gifts.add(new Gift(3, "P3", "物品3", 0.4d));
gifts.add(new Gift(4, "P4", "物品4", 0.3d));
gifts.add(new Gift(5, "P5", "物品5", 0d));
gifts.add(new Gift(6, "P6", "物品6", -0.1d));
gifts.add(new Gift(7, "P7", "物品7", 0.008d));
List<Double> orignalRates = new ArrayList<Double>(gifts.size());
for (Gift gift : gifts) {
double probability = gift.getProbability();
if (probability < 0) {
probability = 0;
}
orignalRates.add(probability);
}
// statistics
Map<Integer, Integer> count = new HashMap<Integer, Integer>();
double num = 1000000;
for (int i = 0; i < num; i++) {
int orignalIndex = LotteryUtil.lottery(orignalRates);
Integer value = count.get(orignalIndex);
count.put(orignalIndex, value == null ? 1 : value + 1);
}
for (Entry<Integer, Integer> entry : count.entrySet()) {
System.out.println(gifts.get(entry.getKey()) + ", count=" + entry.getValue() + ", probability="
+ entry.getValue() / num);
}
}
}输出
Gift [index=1, gitfId=P1, giftName=物品1, probability=0.2], count=180854, probability=0.180854
Gift [index=2, gitfId=P2, giftName=物品2, probability=0.2], count=180789, probability=0.180789
Gift [index=3, gitfId=P3, giftName=物品3, probability=0.4], count=361198, probability=0.361198
Gift [index=4, gitfId=P4, giftName=物品4, probability=0.3], count=269950, probability=0.26995
Gift [index=7, gitfId=P7, giftName=物品7, probability=0.008], count=7209, probability=0.007209不同概率的抽奖原理很简单
就是把0到1的区间分块，而分块的依据就是物品占整个的比重，再根据随机数种子来产生0-1中间的某个数，来判断这个数是落在哪个区间上，而对应的就是抽到了那个物品。随机数理论上是概率均等的，产生的每个数理论上也应该概率均等，那么相应的区间所含数的多少就体现了抽奖物品概率的不同。（p.s. 当然数目是数不清楚的，具体抽象话了点）
这个实例的数据可以说明
1. 概率可以是负数和0，当然实际上中应该不会（p.s. 正常情况下可能真的有0，比如抽个iphone5，当然是抽不到的了，这个时候，构建礼物（List gifts）的时候最好就不要加这个进去），还有可以把负数的处理放到抽奖工具类(LotteryUtil)中；
2. 所有礼物加起来的概率可以不是1，可以认为这里的概率是一个权重。
转载至：http://www.blogjava.net/lishunli/archive/2012/10/17/389763.html
java简单的抽奖方法——配置概率（100以内随机数的一个解决方案）
用户抽奖的大致思路就是，当用户点击抽奖后，后台随机算出100以内的一个随机数，然后查看该随机数是否在中奖概率范围内。
抽奖概率写死的方法：
/**
* 抽奖概率
*
* @return rand
*/
public static int randomInt() {
int randomNum = new Random().nextInt(100) + 1;
if (randomNum == 1) {
return 1;
} else if (randomNum >= 2 && randomNum <= 5) {
return 2;
} else if (randomNum >= 6 && randomNum <= 10) {
return 3;
} else if (randomNum >= 11 && randomNum <= 50) {
return 4;
} else {
return 5;
} }
从数据库读取概率配置（本次抽奖分五等奖）
public static int randomInt(LotteryPrizeEntry lotteryPrize) {
//概率不能为空，至少为0
if (lotteryPrize.getFirstPrize() + lotteryPrize.getSecondPrize()
+ lotteryPrize.getThirdPrize() + lotteryPrize.getFourthPrize() + lotteryPrize.getFifthPrize() > 100) {
return 0;
}
int randomNum = new Random().nextInt(100) + 1;
List<Integer> list = new ArrayList<Integer>();
list.add(lotteryPrize.getFirstPrize());
list.add(lotteryPrize.getSecondPrize());
list.add(lotteryPrize.getThirdPrize());
list.add(lotteryPrize.getFourthPrize());
list.add(lotteryPrize.getFifthPrize());
int prize = 1; //奖品级数
int num = 0; //存中奖概率数
int num2 = 1;//存中奖概率数
for (Integer i : list) {
num = +i;
if (i >= 1) {
if (randomNum >= num2 && randomNum <= num) {
return prize;
}
}
prize++; //奖级加一
num2 = +i;
}
return prize;
中奖概率配置表：
BEGIN_TIME DATE 开始时间
END_TIME DATE 结束时间
LOTTERY_ISENABLE NUMBER 是否开启 0关闭1开启
FIRST_PRIZE NUMBER 一等奖概率
SECOND_PRIZE NUMBER 二等奖概率
THIRD_PRIZE NUMBER 三等奖概率
FOURTH_PRIZE NUMBER 四等奖概率
FIFTH_PRIZE NUMBER 五等奖概率
http://www.zui da ima.com/share/2933089644039168.htm
权重随机算法的java实现
一、概述
平时，经常会遇到权重随机算法，从不同权重的N个元素中随机选择一个，并使得总体选择结果是按照权重分布的。如广告投放、负载均衡等。
如有4个元素A、B、C、D，权重分别为1、2、3、4，随机结果中A:B:C:D的比例要为1:2:3:4。
总体思路：累加每个元素的权重A(1)-B(3)-C(6)-D(10)，则4个元素的的权重管辖区间分别为[0,1)、[1,3)、[3,6)、[6,10)。然后随机出一个[0,10)之间的随机数。落在哪个区间，则该区间之后的元素即为按权重命中的元素。
实现方法：
利用TreeMap，则构造出的一个树为:
B(3)
/ \
/ \
A(1) D(10)
/
/
C(6)
然后，利用treemap.tailMap().firstKey()即可找到目标元素。
当然，也可以利用数组+二分查找来实现。
二、源码
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
|
package com.xxx.utils;import com.google.common.base.Preconditions;import org.apache.commons.math3.util.Pair;import org.slf4j.Logger;import org.slf4j.LoggerFactory;import java.util.List;import java.util.SortedMap;import java.util.TreeMap;public class WeightRandom<K,V extends Number> { private TreeMap<Double, K> weightMap = new TreeMap<Double, K>(); private static final Logger logger = LoggerFactory.getLogger(WeightRandom.class); public WeightRandom(List<Pair<K, V>> list) { Preconditions.checkNotNull(list, "list can NOT be null!"); for (Pair<K, V> pair : list) { double lastWeight = this.weightMap.size() == 0 ? 0 : this.weightMap.lastKey().doubleValue();//统一转为double this.weightMap.put(pair.getValue().doubleValue() + lastWeight, pair.getKey());//权重累加 } } public K random() { double randomWeight = this.weightMap.lastKey() * Math.random(); SortedMap<Double, K> tailMap = this.weightMap.tailMap(randomWeight, false); return this.weightMap.get(tailMap.firstKey()); }} |
三、性能
4个元素A、B、C、D，其权重分别为1、2、3、4，运行1亿次，结果如下：
| 元素 | 命中次数 | 误差率 |
| A | 10004296 | 0.0430% |
| B | 19991132 | 0.0443% |
| C | 30000882 | 0.0029% |
| D | 40003690 | 0.0092% |
从结果，可以看出，准确率在99.95%以上。
四、另一种实现
利用B+树的原理。叶子结点存放元素，非叶子结点用于索引。非叶子结点有两个属性，分别保存左右子树的累加权重。如下图：
看到这个图，聪明的你应该知道怎么随机了吧。
此方法的优点是：更改一个元素，只须修改该元素到根结点那半部分的权值即可。
end
两类，第一类是常见的有等级的抽奖活动，如一等、二等、三等奖等等，废话不多说，直接贴代码：
推荐：简单抽奖用的算法
[/* 每种奖品的概率 * 总概率为333 * */ int a1 = 1; int a4 = 200; int a6 = 50; int a8 = 1; int a9
// 分别为一、二、三、四等将的奖品数量，最后一个为未中奖的数量。
private static final Integer[] lotteryList = {5, 10, 20, 40, 100}; private int getSum() {
int sum = 0;
for (int v : lotteryList) {
sum += v;
}
return sum;
} private int getLotteryLevel() {
Random random = new Random(System.nanoTime());
int sum = getSum();
for (int i = 0; i < lotteryList.length; ++i) {
int randNum = Math.abs(random.nextInt()) % sum;
if (randNum <= lotteryList[i]) {
return i;
} else {
sum -= lotteryList[i];
}
}
return -1;
}
另一类是不分等级的抽奖活动，仅需要参与人数与奖品总数，各奖品中奖概率相等。代码如下：
//另一种抽奖算法，用于公司抽奖，即总参与人数与奖品数固定。
private static final int lotteryNum = 75;
private static final int total = 175;
private static Set<Integer> lotterySet = new HashSet<Integer>();
static {
for (int i=1; i <= lotteryNum; ++i) {
lotterySet.add(total*i/lotteryNum);
}
}
private int getLotteryNum2() {
Random rand = new Random(System.nanoTime());
int randNum = Math.abs(rand.nextInt()) % total;
if (lotterySet.contains(randNum)) {
return randNum*lotteryNum/total;
}
return -1;
}
http://www.itboth.com/d/6R3YJr/java
JAVA基于权重的抽奖的更多相关文章
- Golang、Php、Python、Java基于Thrift0.9.1实现跨语言调用
目录: 一.什么是Thrift? 1) Thrift内部框架一瞥 2) 支持的数据传输格式.数据传输方式和服务模型 3) Thrift IDL 二.Thrift的官方网站在哪里? 三.在哪里下载?需要 ...
- Java基于opencv实现图像数字识别(五)—投影法分割字符
Java基于opencv实现图像数字识别(五)-投影法分割字符 水平投影法 1.水平投影法就是先用一个数组统计出图像每行黑色像素点的个数(二值化的图像): 2.选出一个最优的阀值,根据比这个阀值大或小 ...
- Java基于opencv实现图像数字识别(四)—图像降噪
Java基于opencv实现图像数字识别(四)-图像降噪 我们每一步的工作都是基于前一步的,我们先把我们前面的几个函数封装成一个工具类,以后我们所有的函数都基于这个工具类 这个工具类呢,就一个成员变量 ...
- Java基于opencv实现图像数字识别(三)—灰度化和二值化
Java基于opencv实现图像数字识别(三)-灰度化和二值化 一.灰度化 灰度化:在RGB模型中,如果R=G=B时,则彩色表示灰度颜色,其中R=G=B的值叫灰度值:因此,灰度图像每个像素点只需一个字 ...
- Java基于opencv实现图像数字识别(二)—基本流程
Java基于opencv实现图像数字识别(二)-基本流程 做一个项目之前呢,我们应该有一个总体把握,或者是进度条:来一步步的督促着我们来完成这个项目,在我们正式开始前呢,我们先讨论下流程. 我做的主要 ...
- Java基于opencv实现图像数字识别(一)
Java基于opencv实现图像数字识别(一) 最近分到了一个任务,要做数字识别,我分配到的任务是把数字一个个的分开:当时一脸懵逼,直接百度java如何分割图片中的数字,然后就百度到了用Buffere ...
- Java基于ssm框架的restful应用开发
Java基于ssm框架的restful应用开发 好几年都没写过java的应用了,这里记录下使用java ssm框架.jwt如何进行rest应用开发,文中会涉及到全局异常拦截处理.jwt校验.token ...
- Java基于注解和反射导入导出Excel
代码地址如下:http://www.demodashi.com/demo/11995.html 1. 构建项目 使用Spring Boot快速构建一个Web工程,并导入与操作Excel相关的POI包以 ...
- [Python]基于权重的随机数2种实现方式
问题: 比如我们要选从不同省份选取一个号码.每一个省份的权重不一样,直接选随机数肯定是不行的了,就须要一个模型来解决问题. 简化成以下的问题: 字典的key代表是省份,value代表的是权重,我们如今 ...
随机推荐
- Unity&C# SingerMonoManager泛型单例
管理各种管理器 ///为什么需要单例 ///单例模式核心在于对于某个单例类,在系统中同时只存在唯一一个实例,并且该实例容易被外界所访问: ///避免创建过多的对象,意味着在内存中,只存在一个实例,减少 ...
- Algebraic Foundations （ Arithmetic and Algebra） CGAL 4.13 -User Manual
理解: 本节主要介绍CGAL的代数结构和概念之间的互操作.与传统数论不同,CGAL的代数结构关注于实数轴的“可嵌入”特征.它没有将所有传统数的集合映射到自己的代数结构概念中,避免使用“数的类型”这一术 ...
- Winfrom PictureBox 设置图片自适应
初始状态 Bitmap bm = new Bitmap(Image.FromStream(System.Net.WebRequest.Create(new Uri(result.Result)).Ge ...
- AutoMapper之如何开始,适合入门和演示
原来想应该介绍下背景说明下好处什么的,仔细想都是废话 ,直接上代码吧. 首先有两个类,一个是和数据库对应的实体 Student,一个是和页面展示相关的页面模型 StudentModel. /// &l ...
- squid代理缓存服务
man.linuxde.net 1.squid是Linux系统中的代理缓存服务,通常用作WEB网站的前置缓存服务,能够代替用户向网站服务器请求页面数据并进行缓存. 2.squid服务特点:配置简单.效 ...
- django系列5.3--ORM数据库的多表操作
首先来创建一个模型,数据库的关系就清楚了 models.py from django.db import models # Create your models here. class Author( ...
- java学习笔记—Tomcat（9）
1 目录结构 bin 二进制目录,主要存储的是一些启动和停止服务器的命令startup.bat conf 配置目录,server.xml web.xml lib 服务器软件使用的第三方的j ...
- CASE语句用法学习
A. 使用带有 CASE 简单表达式的 SELECT 语句 SELECT ProductNumber, Category = CASE ProductLine WHEN 'R' THEN 'Road' ...
- 为什么 React Elements 会有 $$typeof 这个属性？
简评:debug 的时候看到 element 对象中有 $$typeof 这属性,于是查了一下这到底干嘛的. 我们知道,通过 JSX 创建一个 React Elements 时: <marque ...
- delphi 10.2 ----简单的递归函数例子求和
unit Unit10; interface uses Winapi.Windows, Winapi.Messages, System.SysUtils, System.Variants, Syste ...