随机选择集合的子元素集合

Ady Liu

2013-08-14

我需要一个从集合N中随机选择M个子元素的算法。当然最好的办法是将集合打乱顺序，然后从中选择前M个元素即可。 Java中现成的API可以使用：

java.util.Collections.shuffle(List<?>)

此算法非常简单，循环N次，每次长度减少1，随机获取其中一个元素，然后交换其对称元素。

public static void shuffle(List<?> list, Random rnd) {
    int size = list.size();
    if (size < SHUFFLE_THRESHOLD || list instanceof RandomAccess) {
        for (int i=size; i>1; i--)
            swap(list, i-1, rnd.nextInt(i));
    } else {
        Object arr[] = list.toArray();

        // Shuffle array
        for (int i=size; i>1; i--)
            swap(arr, i-1, rnd.nextInt(i));

        // Dump array back into list
        ListIterator it = list.listIterator();
        for (int i=0; i<arr.length; i++) {
            it.next();
            it.set(arr[i]);
        }
    }
}

有点意思的swap函数

public static void swap(List<?> list, int i, int j) {
    final List l = list;
    l.set(i, l.set(j, l.get(i)));
}

其实我们的需求很简单，在基本不变的集合中，多次重复随机获取其子集，至于子集是否有序或者随机不重要的，重要的是原集合中的每个元素都有相似的概率出现在子集合中。

考虑到性能以及并发访问（多线程）的需要，我想到了一个简单的算法：

给定N个元素集合，从中选择M(0<M<=N)个元素的办法是，
(1) 随机选择索引K(0<=K<N), i=0, 空子集
(2) 取有效元素N(k-i),N(k+i) 加入未满子集M
(3) i+=1, 重复(2) 直到子集M已满
(4) 终止

这样取出来的元素虽然和原始集顺序有一定的关系，但是每个元素在子集里出现的概率相当，满足结果要求。最后生成的算法如下：

public static <T> List<T> randomList(List<T> views, int max) {

    final int size = views.size();
    int index = RandomUtils.nextInt(size);
    //
    List<T> ret = new ArrayList<T>(max);
    int low = index - 1, high = index;
    while (max > 0 && (low >= 0 || high < size)) {
        if (low >= 0 && max-- > 0) {
            ret.add(views.get(low));
        }
        if (high < size && max-- > 0) {
            ret.add(views.get(high));
        }
        low--;
        high++;
    }
    return ret;
}

此算法满足如下特点：

足够快
线程安全（原始集合不变）
子元素出现概率相当（未经数学证明）

另外，stackoverflow上也有一些参考链接：