Java 跳过列表中的随机级别函数

我正在看，我想知道以下方法的目的：

public static int randomLevel() {
    int lvl = (int)(Math.log(1.-Math.random())/Math.log(1.-P));
    return Math.min(lvl, MAX_LEVEL);
}

上述方法与其他方法有什么区别

Random.nextInt(6);

---

有人能解释一下吗？谢谢。

就像链接上说的那样

“这使我们有50%的几率随机_level（）函数返回0，25%的几率返回1，12.5%的几率返回2，依此类推…”因此分布不均匀。但是，Random.nextInt（）是。选择0和5之间的任何数字的可能性相同

我还没有看完整的实现，但可能发生的是randomLevel（）我们用来选择一个数字，比如n。然后，需要添加到skiplist的元素将具有指针0、1、…、n。您可以将每个级别视为一个单独的列表

为什么要使用这样的分发？一个均匀的分布需要太多的内存来实现它所带来的好处。通过使用几何分布减少机会，达到“最佳”点。现在实现了快速获取值、占用较小内存的优势

应提供一个随机变量，其概率分布（大约）在区间[0,6]上为a。 你可以了解更多有关这方面的信息。

请注意，内部

Random

使用where

---

randomLevel

而是（大约）使用了一个p=0.5的公式。您可以了解有关分布的更多信息

本质上，

randomLevel

以0.5的概率返回

0

，

1

以0.25的概率返回，

2

以0.125的概率返回，以此类推，直到

6

以0.5^7的概率返回，.*0.0078125**-与~0.14的

Random.nextInt

---

现在重要的是，通过利用多个稀疏级别的链表，它们可以实现O（logn）的平均运行时性能搜索-类似于平衡二叉搜索树，但不太复杂，并且使用更少的空间，了解如何进行搜索，因为与较低级别相比，较高级别的用户密度较低（注：下面，级别向下增长）--这是快速搜索所必需的

---

根据几何分布公式，等级应该是int lvl=（int）（Math.log（Math.random（）/p）/Math.log（1.-p））而不是int lvl=（int）（Math.log（1.-Math.random（））/Math.log（1.-p））；原因是什么？cdf是

F（k）=1-（1-p）^k

，因此我们找到

k=log（1-F（k））/log（1-p）