均匀洗牌算法

一、背景

给一个数组，每个值互相不同。
求实现一个洗牌算法，把牌打乱，使得输出的牌足够随机。

这里足够随机其实是一个模糊的概念，我们需要给出一个定义什么叫做足够随机。

使用概率来定义足够随机，则是每个值最终在每个位置的概率是1/n。

但是有时候，一个算法不容易计算想要的概率，此时就可以使用排列组合来枚举了。

每个位置的概率是1/n
那第一个位置就有n中情况
第二个位置就有n-1中情况
第三个位置就有n-2中情况
依次递推，总共有n*(n-1)*(n-2)...*1 = n! 种情况。
也就是一个算法足够随机的一个必要条件是恰好产生n!中排列。且每种排列出现的次数相等。

接下来我们就看看常见的算法以及正确性吧。

二、抽奖算法

这个算法是大家都能想到的算法。

具体如下：
每次从数组[0,n-1]中随机的选一个数字，然后把这个数字移动到第一个位置。
接下来从数组[1,n-1]中随机的选一个数字，再把这个数字移动到第二个位置。
这样不断的进行下去，直到最后一个数字。
这样总体复杂度是O(n^2)。

在结果集里面，第一个数字是在第一次随机选中的，所以概率是1/n。
而其他数字未来选中的概率是(n-1)/n。

第二个数字是第二次随机选中的，所以概率是 (n-1)/n * 1/(n-1) = 1/n。
后面的数字类似，经计算，所有位置的概率都是1/n。

其实这个就和平常所见的抽奖类似。
抽奖有先后，但是大家的概率却是相同的。
对应的道理也可以使用上面的公式来解释。

三、Fisher Yates算法

对于上面的抽奖算法，确实可以做到比较均匀的将数组打乱。
可是复杂度比较高。

于是就想着对这个抽奖算法进行优化：每次不再移动元素，而是和第一个元素进行交换。

具体如下：
每次从数组[0,n-1]中随机的选一个数字，然后把这个数字与第一个元素交换。
接下来从数组[1,n-1]中随机的选一个数字，再把这个数字与第二个元素交换。
这样不断的进行下去，直到最后一个数字。
这样总体复杂度是O(n)。

那怎么证明这个算法是正确的呢？
每一轮的时候（假设有k个数字），我们的目标是从这k个里面随机的选择一个。
既然是随机，也就意味着这k个数字的顺序其实是无所谓的。
不断怎么对这k个数字进行交换，每个数字被选择的概率都是1/k。

而每一轮选中一个数字后，我们和第一个数字交换，相当于对下轮的数字进行了一下交换。
而根据上面的理论，这个交换并不影响最终的概率，所以这个优化是正确的。

四、顺序随机洗牌

当然，还有人想出另外一个方法。

第一次随机选择一个数字，和第一个位置的数字交换。
第二次随机选择一个数字，和第二个位置的数字交换。
依次递推，最终随机选择的数字和最后一个位置的数字交换。

这个算法和抽奖算法的不同是，抽奖算法每次随机的数字集合是逐渐减小的，而这个算法的数字集合始终不变。

那这个算法是否正确呢？

这里概率还真不好计算。
但是我们可以从排列组合的角度来看这个问题。
每次可能有n种结果，进行了n次，那最终就是有n^n种结果。

而n^n种结果不是平均分布的，因为对于n!中排列，不是均匀的。
根据上图可以看出，132多了一次，213结果多了两次，所以这个算法不是完全随机的。

五、最后

上面的方法是常见的洗牌。
实际上洗牌方法还有很多。

1. 抽出顶部的牌，随机插入牌堆中任一位置。
   2、随机抽取两张牌，交换他们。
   3、随机抽取两张相邻的牌，交换他们。
   4、将牌随机分成两叠，交错放下。 5、从牌堆中随机抽出一叠，放置到整个牌堆上方。

这些洗牌方法的概率不容易计算，使用排列的方法数据量有非常大。
国外有很过论文研究这些，感兴趣的可以自己去了解下，听说水很深的。

Leetcode 上的题目地址是384. Shuffle an Array，感兴趣的可以来挑战一下。

-EOF-