Java Alias方法的开源实现

我目前正在做一个项目，为了代码重用，我去寻找一个库，它可以执行某种概率的项目接受/拒绝：

i、 例如，有三个人（a，bc），他们每个人都有得到一个项目的概率p{i}，其中p{a}表示a的概率。这些概率是在运行时计算的，不能硬编码

---

我想做的是生成一个随机数（对于一个项目），并根据获得该项目的概率计算谁获得该项目。这里概述的alias方法（）解释了如何实现，但我想看看是否有现成的实现，这样我就不必编写它了。

这样做可以吗？将所有p{i}放在数组中，函数将向获取该项的人返回一个索引。在O（n）中执行

public int selectPerson（float[]概率，随机r）{
float t=r.nextFloat（）；
浮动p=0.0f；
for（int i=0；i

---

编辑：我还没有真正测试过这个。我的观点是，您描述的函数不是很复杂（如果我正确理解您的意思的话），您不需要下载库来解决这个问题。

我刚刚测试了上述方法-它并不完美，但我想就我的目的而言，它应该足够了。（groovy中的代码，粘贴到单元测试中…）

void测试（）{
对于（int i=0；i<10；i++）{
一次
}
}
私有def once（）{
def双[]问题=[1/11、2/11、3/11、1/11、2/11、2/11]
def int[]whoccounts=新int[probs.length]
def Random r=新随机数（）
定义int谁
整数倍=1000000
for（int i=0；i

这里是一个Ruby实现：

请注意，这不是别名方法。有关可以轻松移植到Java的C#实现，请参阅。

public int selectPerson(float[] probabilies, Random r) {
    float t = r.nextFloat();
    float p = 0.0f;

    for (int i = 0; i < probabilies.length; i++) {
        p += probabilies[i];
        if (t < p) {
            return i;
        }
    }

    // We should not end up here if probabilities are normalized properly (sum up to one)
    return probabilies.length - 1;      
}

    void test() {
        for (int i = 0; i < 10; i++) {
            once()
        }
    }
    private def once() {
        def double[] probs = [1 / 11, 2 / 11, 3 / 11, 1 / 11, 2 / 11, 2 / 11]
        def int[] whoCounts = new int[probs.length]
        def Random r = new Random()
        def int who
        int TIMES = 1000000
        for (int i = 0; i < TIMES; i++) {
            who = selectPerson(probs, r.nextDouble())
            whoCounts[who]++
        }
        for (int j = 0; j < probs.length; j++) {
            System.out.printf(" %10f ", (probs[j] - (whoCounts[j] / TIMES)))
        }
        println ""
    }
    public int selectPerson(double[] probabilies, double r) {
        double t = r
        double p = 0.0f;
        for (int i = 0; i < probabilies.length; i++) {
            p += probabilies[i];
            if (t < p) {
                return i;
            }
        }
        return probabilies.length - 1;
    }

outputs: the difference betweenn the probability, and the actual count/total 
obtained over ten 1,000,000 runs:
  -0.000009    0.000027    0.000149   -0.000125    0.000371   -0.000414 
  -0.000212   -0.000346   -0.000396    0.000013    0.000808    0.000132 
   0.000326    0.000231   -0.000113    0.000040   -0.000071   -0.000414 
   0.000236    0.000390   -0.000733   -0.000368    0.000086    0.000388 
  -0.000202   -0.000473   -0.000250    0.000101   -0.000140    0.000963 
   0.000076    0.000487   -0.000106   -0.000044    0.000095   -0.000509 
   0.000295    0.000117   -0.000545   -0.000112   -0.000062    0.000306 
  -0.000584    0.000651    0.000191    0.000280   -0.000358   -0.000181 
  -0.000334   -0.000043    0.000484   -0.000156    0.000420   -0.000372