三類隨機問題

1.  已有n條記錄，從中選取m條記錄，選取出來的記錄前後順序不管。

     實現思路：按行遍歷所有記錄，約隔n/m條取一個數據即可

2.  在1類情況下，還要求選取出來的m條記錄是隨機排序的

     實現思路： 給n條記錄，分別增加一列標記，值為隨機選取的1至n之間的不重複資料，

3.  區別於1,2類問題， 如果記錄是有權重的，如何結合權重去隨機選取。 比如A的權重為10， B的權重股為5， C的權重為1， 則隨機選取4個時可能應該出現AABB。

這第三類問題是本文重點，下面開始解決。

實現思路： 以 A:10， B:5， C:1 三條記錄上隨機選取4條為例，（是否以權重排序這個無所謂）

    對於

    A10

    B5

    C1

首先，將第n行的數值賦為第n行加第n-1行的，遞迴執行，如下：

    A10

    B15

    C16

然後每次從[1,16]隨機選取一個數，如果落在[1,10]之間，則選取A，如果落在(10,15]之間則選B，如果落在(16,16]之間則選取C， 圖示如下，誰佔的區間大（權重高），被選上的概率更大。

 知道了思路，實現起來就比較方便了， 需要考慮的一點可能就是我隨即選了一個數值，比如12，我怎麼跟B對應上？ 其實也比較簡單，用二分法查詢即可。

下面附上實現程式碼：

#include <string>
#include <cstdlib>
#include <vector>

using namespace std;

const int LEN = 4098; 
const int MAX_QUERY_LEN = 2048;

//返回屬於[p,q)的隨機數
int rand(int p, int q)
{
     int size = q-p+1;
     return  p+ rand()%size; 
}

//刪除行尾換行符
int chomp(char *str)
{
    int len = strlen(str);
    while(len > 0 && (str[len - 1] == '\n' || str[len - 1] == '\r'))
    {
        str[len - 1] = 0;
        len--;
    }
    return len;
}

//獲取一個隨機數會落在哪個區間
int get_pos(vector<int> vec_freq, int begin, int end, int rand_num)
{
    if(begin >= end)
    {
        return begin;
    }
    
    int mid = (begin + end)/2;
    if( vec_freq[mid] >= rand_num )
    {
        return get_pos(vec_freq, begin, mid, rand_num );
    }
    else
    {
        return get_pos(vec_freq, mid+1, end, rand_num );
    }
}

//主函式
int main(int argc, char *argv[])
{
    //輸入記錄檔案，兩列，第一列為記錄，第二列為熱度值
	FILE* infile = fopen(argv[1], "r");
	if( infile == NULL )
	{
		printf("Cann't open file %s.", argv[1]);
		return -1;
	}

	FILE* outfile = fopen(argv[2], "w");
	if( outfile == NULL)
	{
		printf("Cann't open file %s to write.", argv[2]);
		return -1;
	}

    //要獲取的隨機記錄個數
    int num = atoi(argv[3]);
    if( num <= 0)
    {
        printf("num [%s] <= 0.");
        return -1;
    }

    //這兩個陣列用下標關聯
    vector<string> vec_query;
    vector<int> vec_freq;
    vec_query.clear();
    vec_freq.clear();
    int freq = 0;
    char line[MAX_QUERY_LEN]={0};
    
		while( !feof(infile) )
		{
			if( !fgets(line, sizeof(line),infile))
			{
				break;
			}
        line[sizeof(line)-1] = 0;
		    chomp(line);

        char* p_tab = strchr(line, '\t');
        if( NULL == p_tab )
        {
            printf("line format error. [%s]\n");
            continue;
        }
        *p_tab = 0;

        string query(line);
        freq += atoi(p_tab+1);
        
        vec_query.push_back(query);
        vec_freq.push_back(freq);

        //printf("%s\t%d\n", line, freq);
		}

    for(int i=0; i < num; ++i)
    {
        int rand_num = rand(1, freq+1);
        int pos = get_pos(vec_freq, 0, vec_freq.size(), rand_num);
        fprintf(outfile, "%s\t%d\t%d\n", vec_query[pos].c_str(), vec_freq[pos], rand_num);
    }
    
	fclose(infile);
	fclose(outfile);	

	return 0;
}