C++ 两个值的随机选择

在我的算法中，我需要随机选择两个值，但每一个值都必须选择预定的次数

到目前为止，我的解决方案是将选择放入正确次数的向量中，然后将其洗牌。在C++中：

// Example choices (can be any positive int)
int choice1 = 3; 
int choice2 = 4;

int number_of_choice1s = 5;
int number_of_choice2s = 1;

std::vector<int> choices;
for(int i = 0; i < number_of_choice1s; ++i) choices.push_back(choice1);
for(int i = 0; i < number_of_choice2s; ++i) choices.push_back(choice2);
std::random_shuffle(choices.begin(), choices.end());

//示例选项（可以是任何正整数）
int-choice1=3；
int-choice2=4；
选择的整数=5；
int number_of_choice2s=1；
向量选择；
对于（inti=0；i

然后我保留了一个迭代器来选择

，每当我需要一个新的迭代器时，我就增加迭代器并获取该值

这是可行的，但似乎有一种更有效的方法。因为我总是知道我将使用多少个值，我想知道是否有一种更为算法化的方法来实现这一点，而不仅仅是存储这些值。
您不必要地使用了这么多内存。您有两个变量：

int number_of_choice1s = 5;
int number_of_choice2s = 1;

现在只需随机化：

int result = rand() % (number_of_choice1s + number_of_choice2s);
if(result < number_of_choice1s) {
  --number_of_choice1s;
  return choice1;
} else {
  --number_of_choice2s;
  return choice2;
}

int result=rand（）%（选择1的数量+选择2的数量）；
如果（结果<选择的数量）{
--选择的数量；
返回选项1；
}否则{
--选择2的数量；
返回选择2；
}

这可以很好地扩展两百万次随机调用。
您可以更简单地编写：

std::vector<int> choices(number_of_choice1s, choice1);
choices.resize(number_of_choice1s + number_of_choice2s, choice2);
std::random_shuffle(choices.begin(), choices.end());

std:：向量选择（选择1的数量，选择1）；
选项。调整大小（选项1的数量+选项2的数量，选项2）；
std:：random_shuffle（choices.begin（），choices.end（））；
有偏随机分布将在结果集上保持某种顺序（最多选择的选项下一个选择的机会越来越小），这会产生有偏结果（特别是，如果您必须选择第一个值的时间比选择第二个值的时间长，那么您将得到类似于{1,1,1,2,1,1,1,1,2}的结果

下面是代码，它看起来很像@Tomasz Nurkiewicz编写的代码，但是使用了一个简单的偶数/奇数，这应该给大约50/50的机会选择任意一个值

int result = rand();

if ( result & 1  &&  number_of_choice1s > 0)
{
number_of_choice1s--;
return choice1;
}else if (number_of_choice2s>0)
{
number_of_choice2s--;
return choice2;
}
else
{
return -1;
}

我会坚持使用有效的解决方案，除非有充分的理由不这样做。它被描述为瓶颈或类似的东西吗？有一种方法，但它会变得不那么清晰和简洁。我会坚持使用这种技术。我真的很喜欢这个解决方案。我想到的所有其他解决方案（思考大约5秒钟后）涉及随机数生成器。但由于每个选择都有一个预先确定的数目，这些解决方案将是无效的，因为它们最终将不得不在其选择已经出现最大次数后开始忽略值。（无可否认，shuffle方法可能会消耗CPU，但至少可以让它成为一个可预测的运行时间，这是我在上面考虑的解决方案所无法做到的）shuffle方法可以用O（n）完成复杂度，这是你能达到的最小值，因为你必须生成n个元素。一旦任何一个计数器达到0，你就可以短路剩下的进程。有偏差吗？这看起来就像是Knuth的从n中选择m算法的定制版本-+1从Me中选择，但请注意，如果你的标准库恰好有一个坏的
随机数
实现（例如，线性同余和小模数），像这样使用
%
会引入偏差。此外，
RAND_MAX
可能小到32767（Microsoft标准库中的
RAND
具有此属性），如果有大量选择，您将完全失败。（为免生疑问，我确实认为这是一个好办法。）你不能用
%
或
/
生成一个无偏选择，除非选择的数量平均分为
RAND\u MAX+1
。StackOverflow上有很多关于无偏生成随机选择的帖子。但我不确定这有多重要，因为选择的数量在不断变化。