MatLAB帮助：在不连续重复数字的情况下洗牌预定义向量（所有值的出现次数相等）

假设每个值都是相等重复的，我在随机洗牌一个向量而不重复数字时遇到了麻烦（例如，1 1是不可接受的，但1 2是可接受的）

更具体地说，我想将矩阵

[1:4]

重复十次（总共40个元素），这样1、2、3和4都会重复十次，而不是连续的

如果需要任何澄清，请让我知道，我希望这个问题是明确的

这就是我到目前为止所做的：

cond_order = repmat([1:4],10,1); %make matrix
cond_order = cond_order(:); %make sequence

我知道randperm非常相关，但我不确定如何在不重复数字的条件下使用它

编辑：谢谢你的回复

我意识到我很不清楚。这些是我想拒绝的示例

[1 1 2 4 4 4…]

。 因此，只要单个值不重复，

[1 2 3 4]

是否按该顺序出现并不重要。（因此

[1 2 3 4 1 2 3 4…]

和

[4 3 1 2…]

都是可以接受的）

最好我正在寻找一个洗牌向量满足的标准

这是随机的

没有连续重复的值（例如1 4）

所有四个值显示的次数相等

---

在这里进行了一些讨论之后，我认为在性能和应用程序的理论要求之间需要进行权衡

如果需要从所有有效排列的集合中完全均匀地抽取，则可能需要纯拒绝抽样方法。当然，问题是，随着问题规模的扩大，拒绝率将变得非常高。为了证明这一点，如果我们考虑问题的基本例子是<代码>（1 2×3 4）< /代码>的N倍数，那么我们可以看到每个有效绘图拒绝的样本数如下（注意log y轴）：

我的替代方法是对数组进行随机排序，然后如果检测到重复项，则剩余元素将再次进行随机排序：

cond_order = repmat(1:4,10,1); %make matrix
cond_order = reshape(cond_order, numel(cond_order), 1);

cond_order = cond_order(randperm(numel(cond_order)));

i = 2;

while i < numel(cond_order)
    if cond_order(i) ~= cond_order(i - 1)
        i = i + 1;
    else
        tmp = cond_order(i:end);
        cond_order(i:end) = tmp(randperm(numel(tmp)));
    end
end

cond_order

cond_order=repmat（1:4,10,1）；%制作矩阵
cond_顺序=重塑（cond_顺序，numel（cond_顺序），1）；
cond_order=cond_order（randperm（numel，cond_order））；
i=2；
而我<努梅尔（第二顺序）
如果第二阶（i）~=第二阶（i-1）
i=i+1；
其他的
tmp=第二顺序（i：结束）；
第二顺序（i:end）=tmp（randperm（numel（tmp））；
终止
终止
续单

注意，不能保证这会收敛，但是如果很明显它不会收敛，我们可以重新开始，重新计算整个序列会更好

这绝对符合问题的后两项要求：

B） 没有连续的值

C） 所有4个值显示的次数相等

问题是它是否符合第一个“随机”要求

如果我们采用问题的最简单版本，输入

[1 2 3 4 1 2 3 4]

则有864个有效排列（根据经验确定！）。如果我们运行这两种方法超过100000次，那么我们预计每个排列的高斯分布大约为115.7次

正如预期的那样，纯拒绝采样方法给出了以下结果：

但是，我的算法没有：

显然对某些样品存在偏见

---

最后，这取决于需求。这两种方法都对整个分布进行抽样，因此都满足了问题的核心需求。我没有包括性能比较，但对于最简单的情况以外的任何情况，我相信我的算法会快得多。然而，图纸的分布并不完全均匀。它是否足够好取决于应用程序和实际问题的大小。

在这里进行了一些讨论之后，我认为在性能和应用程序的理论要求之间存在着权衡

如果需要从所有有效排列的集合中完全均匀地抽取，则可能需要纯拒绝抽样方法。当然，问题是，随着问题规模的扩大，拒绝率将变得非常高。为了证明这一点，如果我们考虑问题的基本例子是<代码>（1 2×3 4）< /代码>的N倍数，那么我们可以看到每个有效绘图拒绝的样本数如下（注意log y轴）：

我的替代方法是对数组进行随机排序，然后如果检测到重复项，则剩余元素将再次进行随机排序：

cond_order = repmat(1:4,10,1); %make matrix
cond_order = reshape(cond_order, numel(cond_order), 1);

cond_order = cond_order(randperm(numel(cond_order)));

i = 2;

while i < numel(cond_order)
    if cond_order(i) ~= cond_order(i - 1)
        i = i + 1;
    else
        tmp = cond_order(i:end);
        cond_order(i:end) = tmp(randperm(numel(tmp)));
    end
end

cond_order

cond_order=repmat（1:4,10,1）；%制作矩阵
cond_顺序=重塑（cond_顺序，numel（cond_顺序），1）；
cond_order=cond_order（randperm（numel，cond_order））；
i=2；
而我<努梅尔（第二顺序）
如果第二阶（i）~=第二阶（i-1）
i=i+1；
其他的
tmp=第二顺序（i：结束）；
第二顺序（i:end）=tmp（randperm（numel（tmp））；
终止
终止
续单

注意，不能保证这会收敛，但是如果很明显它不会收敛，我们可以重新开始，重新计算整个序列会更好

这绝对符合问题的后两项要求：

B） 没有连续的值

C） 所有4个值显示的次数相等

问题是它是否符合第一个“随机”要求

如果我们采用问题的最简单版本，输入

[1 2 3 4 1 2 3 4]

则有864个有效排列（根据经验确定！）。如果我们运行这两种方法超过100000次，那么我们预计每个排列的高斯分布大约为115.7次

正如预期的那样，纯拒绝采样方法给出了以下结果：

但是，我的算法没有：

T

n=4;
k=10;
d=42; %// random number to fail first check
while(~all(sum(bsxfun(@eq,d,(1:n).'),2)==k)) %' //Check all numbers to appear k times.
    d=mod(cumsum([randi(n,1,1),randi(n-1,1,(n*k)-1)]),n)+1; %generate new random sample, enforcing a difference of at least 1.
end