一、逢“幾”中獎

逢“幾”中獎，即通過預估抽獎人數和獎品數來判斷，“幾”=(抽獎人數/獎品數)*N。這是一種最簡單抽獎演算法，適合抽獎人數眾多，而且互相無聯絡的情況。如今大為流行的微博轉發得獎就常常使用這種演算法，即根據轉發次數來決定獎品歸屬，透明而且具有激勵性。

當然這個“幾”也不單隻次數，還可能是時間，逢某個時間點就可以抽中，不過這種方案可能產生無人中獎和很多人中獎的情況，時間點的安排很關鍵！這個時間點一旦公佈出去，那就是秒殺，霍霍。。

逢“幾”中獎有很多弊端，但是非常簡單，很容易實現，被很多抽獎活動所採用，有些會公佈抽獎規則，激勵抽獎，有些則不會公佈，其實後臺執行的可能也是這個演算法，簡單高效又不失公平。在資訊不透明的情況下，鬼知道你是第幾個抽獎的，哈哈。。

二、概率抽獎

所謂概率抽獎是最容易想到的抽獎演算法了，這個概率可以是一成不變的，也可以是一直在變化調整的，最難的是採用多大的概率，何種情況下采用何種概率。這個也沒有什麼通用的方案，不同的應用場景，所用的概率演算法不同。下面介紹一種演算法，根據獎品的過期日期來計算它當前時間的中獎率，當時間逐漸接近獎品過期時間時，中獎概率會逐漸發生變化，如果設為1表示線性衰減，2為平方衰減，以此類推。

importjava.util.Date;

importjava.util.Random;

 

publicclass LotteryTool {

 

private double factor;

 
private double probability;

private Random rand;

 

private LotteryTool(double probability, long expireTime, int reduce){

this.factor = (double) System.currentTimeMillis() / expireTime;

this.probability = probability * Math.pow(factor, reduce);

this.rand = new Random(System.currentTimeMillis());

}

 

 
public static LotteryTool getInstance(double probability, longexpireTime,

int reduce) {

return new LotteryTool(probability, expireTime, reduce);

}

 

public boolean isLucky(long expected) {

long token = generateLong();

expected = expected % (int) (1 / probability);

if (expected == token) {

return true;

}

return false;

}

三、依賴不可控的物理隨機數 

什麼意思呢，先看個圖，看完你就知道了

明白了吧，呵呵，這就是現如今灰常流行的一種抽獎演算法，絕對公平、絕對透明、絕對木有暗箱（除非偷偷給你換了抽獎號碼）！但是這種方法唯一的缺點是無法實時抽獎，只能事後抽獎。也就是隻能拿個抽獎號等著上帝的眷顧，阿門。。。

例如遊戲中打敗一個boss，會掉落下面其中一個物品，而每個物品都有一定概率： 1. 靴子 20% 2. 披風 25% 3. 飾品 10% 4. 雙手劍 5% 5. 金幣袋 40% 現在的問題就是如何根據概率掉落一個物品給玩家。

一. 一般演算法：生成一個列表，分成幾個區間，例如列表長度100，1-20是靴子的區間，21-45是披風的區間等，然後隨機從100取出一個數，看落在哪個區間。演算法時間複雜度：預處理O(MN)，隨機數生成O(1)，空間複雜度O(MN)，其中N代表物品種類，M則由最低概率決定。

二、離散演算法：也就是上面的改進，竟然1-20都是靴子，21-45都是披風，那抽象成小於等於20的是靴子，大於20且小於等於45是披風，就變成幾個點[20,45,55,60,100]，然後也是從1到99隨機取一個數R，按順序在這些點進行比較，知道找到第一個比R大的數的下標，比一般演算法減少佔用空間，還可以採用二分法找出R，這樣，預處理O(N)，隨機數生成O(logN)，空間複雜度O(N)。 請點選檢視詳細：http://www.cnblogs.com/miloyip/archive/2010/04/21/1717109.html

三、Alias Method Alias Method就不太好理解，實現很巧妙，推薦先看看這篇文章：http://www.keithschwarz.com/darts-dice-coins/ 大致意思：把N種可能性拼裝成一個方形（整體），分成N列，每列高度為1且最多兩種可能性，可能性抽象為某種顏色，即每列最多有兩種顏色，且第n列中必有第n種可能性，這裡將第n種可能性稱為原色。 想象丟擲一個硬幣，會落在其中一列，並且是落在列上的一種顏色。這樣就得到兩個陣列：一個記錄落在原色的概率是多少，記為Prob陣列，另一個記錄列上非原色的顏色名稱，記為Alias陣列，若該列只有原色則記為null。

之前的例子，為了便於演示換成分數 1. 靴子 20% -> 1/4 2. 披風 25% -> 1/5 3. 飾品 10% -> 1/10 4. 雙手劍 5% -> 1/20 5. 金幣袋 40% -> 2/5 然後每個都乘以5（使每列高度為1），再拼湊成方形 拼湊原則：每次都從大於等於1的方塊分出一小塊，與小於1的方塊合成高度為1

由上圖方形可得到兩個陣列： Prob: [3/4, 1/4, 1/2, 1/4, 1] Alias: [4, 4, 0, 1, null] (記錄非原色的下標)

之後就根據Prob和Alias獲取其中一個物品 隨機產生一列C，再隨機產生一個數R，通過與Prob[C]比較，R較大則返回C，反之返回Alias[C]。

Alias Method 複雜度：預處理O(NlogN)，隨機數生成O(1)，空間複雜度O(2N)