Random 随机均匀生成子集？

下面是一个组合算法的例子，它可以均匀随机地选择n-集的子集。因为一个n-集有2n个子集，所以每个子集应该有一个概率：2-n被选中

我相信我已经正确地实现了这个算法（请告诉我是否有错误）。然而，当我在Linux机器上用Java 7运行程序时，我得到的结果我无法很好地解释。这个谜似乎围绕着随机数发生器。我理解，要“确保分布达到一致性”，需要“大量”运行程序。然而，问题是大到多大。我做过几次实验，结果表明，除非实验次数>=10亿次，否则所选子集的分布是相当不均匀的

该算法基于Herbert Wilf教授的《组合算法》一书，其中的实现（略有不同）是用Fortran完成的，即使程序只运行了1280次，分布也或多或少是一致的

以下是一些示例运行（当n为常数时，运行之间存在一些变化），以获得4-集的随机子集：

完成实验的次数n=

完成实验的次数n=

完成实验的次数n=（仍然只有8个子集！）

完成实验的次数n=

实验完成的次数n=（现在开始有意义）

完成实验的次数n=（这没关系！）

---

你会期待这样的表现吗？威尔夫教授怎么可能只用一个等效程序的1280次迭代就获得类似的结果呢？

每次调用

ranInt（）

，您都会重置RNG。因此，从长远来看，这些数字不再是随机的
Moved

Random r=新的Random（System.currentTimeMillis（））添加到顶部，并向其添加
静态

class RandomSubsetSimulation {
  static Random r = new Random(System.currentTimeMillis());
  public static void main(String[] args) { ...

我可以得到以下结果与8集

Total: 1000, number of subsets with a frequency > 0: 256
Total # of subsets possible: 256

4集的完整结果

Frequencies of chosen subsets ....
                 [3] :         76,          4, 5.94
                 [4] :         72,          8, 5.63
                  [] :         83,         -3, 6.48
                 [1] :         90,        -10, 7.03
                 [2] :         80,          0, 6.25
              [3, 4] :         86,         -6, 6.72
              [2, 3] :         88,         -8, 6.88
              [2, 4] :         55,         25, 4.30
           [1, 2, 3] :         99,        -19, 7.73
           [1, 2, 4] :         75,          5, 5.86
           [2, 3, 4] :         76,          4, 5.94
              [1, 3] :         85,         -5, 6.64
              [1, 2] :         94,        -14, 7.34
              [1, 4] :         72,          8, 5.63
        [1, 2, 3, 4] :         71,          9, 5.55
           [1, 3, 4] :         78,          2, 6.09
Total: 1280, number of subsets with a frequency > 0: 16
Total # of subsets possible: 16

修正了原始代码