Есть ли эффективный способ генерировать N случайных целых чисел в диапазоне, которые имеют данную сумму или среднее значение? - PullRequest
15 голосов
/ 23 апреля 2020

Существует ли эффективный способ генерирования случайной комбинации из N целых чисел, такой что -

  • каждое целое число находится в интервале [min, max],
  • целые числа имеют сумму sum,
  • , целые числа могут появляться в любом порядке (например, в произвольном порядке), и
  • комбинация выбирается случайным образом равномерно из всех комбинаций, которые соответствуют другие требования?

Существует ли подобный алгоритм для случайных комбинаций, в котором целые числа должны появляться в отсортированном порядке по их значениям (а не в любом порядке)?

(Выбор соответствующая комбинация со средним значением mean является особым случаем, если sum = N * mean. Эта проблема эквивалентна генерации равномерного случайного разбиения sum на N частей, каждая из которых находится в интервале [min, max ] и отображаются в любом порядке или в порядке сортировки по значениям, в зависимости от обстоятельств.)

Я знаю, что эту проблему можно решить следующим образом для комбинаций, которые появляются в рандо м заказ (РЕДАКТИРОВАТЬ [Апр. 27]: алгоритм изменен.):

  1. Если N * max < sum или N * min > sum, решения не существует.

  2. Если N * max == sum , есть только одно решение, в котором все N чисел равны max. Если N * min == sum, существует только одно решение, в котором все N числа равны min.

  3. Используйте алгоритм , приведенный в работе Смита и Тромбл («Выборка из модульного симплекса», 2004) для генерации N случайных неотрицательных целых чисел с суммой sum - N * min.

  4. Добавьте min к каждому числу, сгенерированному таким образом.

  5. Если любое число больше max, go до шага 3.

Однако этот алгоритм работает медленно, если max намного меньше sum. Например, согласно моим тестам (с реализацией специального случая выше, включающим mean), алгоритм отклоняет в среднем -

  • около 1,6 выборок, если N = 7, min = 3, max = 10, sum = 42, но
  • около 30,6 выборок, если N = 20, min = 3, max = 10, sum = 120.

Есть ли способ изменить этот алгоритм, чтобы он был эффективным для больших N, при этом все еще удовлетворяя вышеуказанным требованиям?

РЕДАКТИРОВАТЬ:

В качестве альтернативы, предложенной в комментариях, эффективный способ создания действительной случайной комбинации (которая удовлетворяет всем требованиям, кроме последнего):

  1. Рассчитать X, число допустимые комбинации возможны при sum, min и max.
  2. Выберите Y, равномерное случайное целое число в [0, X).
  3. Convert ("unrank") Y в правильную комбинацию.

Однако существует ли формула для вычисления количества допустимых комбинаций (или перестановок), и есть ли способ преобразовать целое число в действительную комбинацию? [РЕДАКТИРОВАТЬ (28 апреля): то же самое для перестановок, а не комбинаций].

РЕДАКТИРОВАТЬ (27 апреля):

После прочтения неоднородной случайной генерации вариаций Деврой (1986), я могу подтвердить, что это проблема генерации случайного разбиения. Кроме того, упражнение 2 (особенно часть E) на стр. 661 относится к этому вопросу.

РЕДАКТИРОВАТЬ (28 апреля):

Как оказалось, алгоритм, который я дал, является равномерным, где целые числа участвующие даны в случайном порядке , в отличие от отсортированного порядка по их значениям . Поскольку обе проблемы представляют общий интерес, я изменил этот вопрос, чтобы найти канонический ответ для обеих проблем.

Следующий код Ruby можно использовать для проверки потенциальных решений для однородности (где algorithm(...) - это алгоритм-кандидат):

combos={}
permus={}
mn=0
mx=6
sum=12
for x in mn..mx
  for y in mn..mx
    for z in mn..mx
      if x+y+z==sum
        permus[[x,y,z]]=0
      end
      if x+y+z==sum and x<=y and y<=z
        combos[[x,y,z]]=0
      end
    end
  end
end

3000.times {|x|
 f=algorithm(3,sum,mn,mx)
 combos[f.sort]+=1
 permus[f]+=1
}
p combos
p permus

EDIT (29 апреля): повторно добавлен Ruby код текущей реализации.

Следующий пример кода приведен в Ruby, но мой вопрос не зависит от языка программирования:

def posintwithsum(n, total)
    raise if n <= 0 or total <=0
    ls = [0]
    ret = []
    while ls.length < n
      c = 1+rand(total-1)
      found = false
      for j in 1...ls.length
        if ls[j] == c
          found = true
          break
        end
      end
      if found == false;ls.push(c);end
    end
    ls.sort!
    ls.push(total)
    for i in 1...ls.length
       ret.push(ls[i] - ls[i - 1])
    end
    return ret
end

def integersWithSum(n, total)
 raise if n <= 0 or total <=0
 ret = posintwithsum(n, total + n)
 for i in 0...ret.length
    ret[i] = ret[i] - 1
 end
 return ret
end

# Generate 100 valid samples
mn=3
mx=10
sum=42
n=7
100.times {
 while true
    pp=integersWithSum(n,sum-n*mn).map{|x| x+mn }
    if !pp.find{|x| x>mx }
      p pp; break # Output the sample and break
    end
 end
}

Ответы [ 5 ]

5 голосов
/ 30 апреля 2020

Вот мое решение в Java. Он полностью функционален и содержит два генератора: PermutationPartitionGenerator для несортированных разделов и CombinationPartitionGenerator для отсортированных разделов. Ваш генератор также реализован в классе SmithTromblePartitionGenerator для сравнения. Класс SequentialEnumerator перечисляет все возможные разделы (не отсортированные или отсортированные в зависимости от параметра) в последовательном порядке. Я добавил тщательные тесты (включая ваши тестовые случаи) для всех этих генераторов. Реализация по большей части самоочевидна. Если у вас есть какие-либо вопросы, я отвечу на них через пару дней.

import java.util.Random;
import java.util.function.Supplier;

public abstract class PartitionGenerator implements Supplier<int[]>{
    public static final Random rand = new Random();
    protected final int numberCount;
    protected final int min;
    protected final int range;
    protected final int sum; // shifted sum
    protected final boolean sorted;

    protected PartitionGenerator(int numberCount, int min, int max, int sum, boolean sorted) {
        if (numberCount <= 0)
            throw new IllegalArgumentException("Number count should be positive");
        this.numberCount = numberCount;
        this.min = min;
        range = max - min;
        if (range < 0)
            throw new IllegalArgumentException("min > max");
        sum -= numberCount * min;
        if (sum < 0)
            throw new IllegalArgumentException("Sum is too small");
        if (numberCount * range < sum)
            throw new IllegalArgumentException("Sum is too large");
        this.sum = sum;
        this.sorted = sorted;
    }

    // Whether this generator returns sorted arrays (i.e. combinations)
    public final boolean isSorted() {
        return sorted;
    }

    public interface GeneratorFactory {
        PartitionGenerator create(int numberCount, int min, int max, int sum);
    }
}

import java.math.BigInteger;

// Permutations with repetition (i.e. unsorted vectors) with given sum
public class PermutationPartitionGenerator extends PartitionGenerator {
    private final double[][] distributionTable;

    public PermutationPartitionGenerator(int numberCount, int min, int max, int sum) {
        super(numberCount, min, max, sum, false);
        distributionTable = calculateSolutionCountTable();
    }

    private double[][] calculateSolutionCountTable() {
        double[][] table = new double[numberCount + 1][sum + 1];
        BigInteger[] a = new BigInteger[sum + 1];
        BigInteger[] b = new BigInteger[sum + 1];
        for (int i = 1; i <= sum; i++)
            a[i] = BigInteger.ZERO;
        a[0] = BigInteger.ONE;
        table[0][0] = 1.0;
        for (int n = 1; n <= numberCount; n++) {
            double[] t = table[n];
            for (int s = 0; s <= sum; s++) {
                BigInteger z = BigInteger.ZERO;
                for (int i = Math.max(0, s - range); i <= s; i++)
                    z = z.add(a[i]);
                b[s] = z;
                t[s] = z.doubleValue();
            }
            // swap a and b
            BigInteger[] c = b;
            b = a;
            a = c;
        }
        return table;
    }

    @Override
    public int[] get() {
        int[] p = new int[numberCount];
        int s = sum; // current sum
        for (int i = numberCount - 1; i >= 0; i--) {
            double t = rand.nextDouble() * distributionTable[i + 1][s];
            double[] tableRow = distributionTable[i];
            int oldSum = s;
            // lowerBound is introduced only for safety, it shouldn't be crossed 
            int lowerBound = s - range;
            if (lowerBound < 0)
                lowerBound = 0;
            s++;
            do
                t -= tableRow[--s];
            // s can be equal to lowerBound here with t > 0 only due to imprecise subtraction
            while (t > 0 && s > lowerBound);
            p[i] = min + (oldSum - s);
        }
        assert s == 0;
        return p;
    }

    public static final GeneratorFactory factory = (numberCount, min, max,sum) ->
        new PermutationPartitionGenerator(numberCount, min, max, sum);
}

import java.math.BigInteger;

// Combinations with repetition (i.e. sorted vectors) with given sum 
public class CombinationPartitionGenerator extends PartitionGenerator {
    private final double[][][] distributionTable;

    public CombinationPartitionGenerator(int numberCount, int min, int max, int sum) {
        super(numberCount, min, max, sum, true);
        distributionTable = calculateSolutionCountTable();
    }

    private double[][][] calculateSolutionCountTable() {
        double[][][] table = new double[numberCount + 1][range + 1][sum + 1];
        BigInteger[][] a = new BigInteger[range + 1][sum + 1];
        BigInteger[][] b = new BigInteger[range + 1][sum + 1];
        double[][] t = table[0];
        for (int m = 0; m <= range; m++) {
            a[m][0] = BigInteger.ONE;
            t[m][0] = 1.0;
            for (int s = 1; s <= sum; s++) {
                a[m][s] = BigInteger.ZERO;
                t[m][s] = 0.0;
            }
        }
        for (int n = 1; n <= numberCount; n++) {
            t = table[n];
            for (int m = 0; m <= range; m++)
                for (int s = 0; s <= sum; s++) {
                    BigInteger z;
                    if (m == 0)
                        z = a[0][s];
                    else {
                        z = b[m - 1][s];
                        if (m <= s)
                            z = z.add(a[m][s - m]);
                    }
                    b[m][s] = z;
                    t[m][s] = z.doubleValue();
                }
            // swap a and b
            BigInteger[][] c = b;
            b = a;
            a = c;
        }
        return table;
    }

    @Override
    public int[] get() {
        int[] p = new int[numberCount];
        int m = range; // current max
        int s = sum; // current sum
        for (int i = numberCount - 1; i >= 0; i--) {
            double t = rand.nextDouble() * distributionTable[i + 1][m][s];
            double[][] tableCut = distributionTable[i];
            if (s < m)
                m = s;
            s -= m;
            while (true) {
                t -= tableCut[m][s];
                // m can be 0 here with t > 0 only due to imprecise subtraction
                if (t <= 0 || m == 0)
                    break;
                m--;
                s++;
            }
            p[i] = min + m;
        }
        assert s == 0;
        return p;
    }

    public static final GeneratorFactory factory = (numberCount, min, max, sum) ->
        new CombinationPartitionGenerator(numberCount, min, max, sum);
}

import java.util.*;

public class SmithTromblePartitionGenerator extends PartitionGenerator {
    public SmithTromblePartitionGenerator(int numberCount, int min, int max, int sum) {
        super(numberCount, min, max, sum, false);
    }

    @Override
    public int[] get() {
        List<Integer> ls = new ArrayList<>(numberCount + 1);
        int[] ret = new int[numberCount];
        int increasedSum = sum + numberCount;
        while (true) {
            ls.add(0);
            while (ls.size() < numberCount) {
                int c = 1 + rand.nextInt(increasedSum - 1);
                if (!ls.contains(c))
                    ls.add(c);
            }
            Collections.sort(ls);
            ls.add(increasedSum);
            boolean good = true;
            for (int i = 0; i < numberCount; i++) {
                int x = ls.get(i + 1) - ls.get(i) - 1;
                if (x > range) {
                    good = false;
                    break;
                }
                ret[i] = x;
            }
            if (good) {
                for (int i = 0; i < numberCount; i++)
                    ret[i] += min;
                return ret;
            }
            ls.clear();
        }
    }

    public static final GeneratorFactory factory = (numberCount, min, max, sum) ->
        new SmithTromblePartitionGenerator(numberCount, min, max, sum);
}

import java.util.Arrays;

// Enumerates all partitions with given parameters
public class SequentialEnumerator extends PartitionGenerator {
    private final int max;
    private final int[] p;
    private boolean finished;

    public SequentialEnumerator(int numberCount, int min, int max, int sum, boolean sorted) {
        super(numberCount, min, max, sum, sorted);
        this.max = max;
        p = new int[numberCount];
        startOver();
    }

    private void startOver() {
        finished = false;
        int unshiftedSum = sum + numberCount * min;
        fillMinimal(0, Math.max(min, unshiftedSum - (numberCount - 1) * max), unshiftedSum);
    }

    private void fillMinimal(int beginIndex, int minValue, int fillSum) {
        int fillRange = max - minValue;
        if (fillRange == 0)
            Arrays.fill(p, beginIndex, numberCount, max);
        else {
            int fillCount = numberCount - beginIndex;
            fillSum -= fillCount * minValue;
            int maxCount = fillSum / fillRange;
            int maxStartIndex = numberCount - maxCount;
            Arrays.fill(p, maxStartIndex, numberCount, max);
            fillSum -= maxCount * fillRange;
            Arrays.fill(p, beginIndex, maxStartIndex, minValue);
            if (fillSum != 0)
                p[maxStartIndex - 1] = minValue + fillSum;
        }
    }

    @Override
    public int[] get() { // returns null when there is no more partition, then starts over
        if (finished) {
            startOver();
            return null;
        }
        int[] pCopy = p.clone();
        if (numberCount > 1) {
            int i = numberCount;
            int s = p[--i];
            while (i > 0) {
                int x = p[--i];
                if (x == max) {
                    s += x;
                    continue;
                }
                x++;
                s--;
                int minRest = sorted ? x : min;
                if (s < minRest * (numberCount - i - 1)) {
                    s += x;
                    continue;
                }
                p[i++]++;
                fillMinimal(i, minRest, s);
                return pCopy;
            }
        }
        finished = true;
        return pCopy;
    }

    public static final GeneratorFactory permutationFactory = (numberCount, min, max, sum) ->
        new SequentialEnumerator(numberCount, min, max, sum, false);
    public static final GeneratorFactory combinationFactory = (numberCount, min, max, sum) ->
        new SequentialEnumerator(numberCount, min, max, sum, true);
}

import java.util.*;
import java.util.function.BiConsumer;
import PartitionGenerator.GeneratorFactory;

public class Test {
    private final int numberCount;
    private final int min;
    private final int max;
    private final int sum;
    private final int repeatCount;
    private final BiConsumer<PartitionGenerator, Test> procedure;

    public Test(int numberCount, int min, int max, int sum, int repeatCount,
            BiConsumer<PartitionGenerator, Test> procedure) {
        this.numberCount = numberCount;
        this.min = min;
        this.max = max;
        this.sum = sum;
        this.repeatCount = repeatCount;
        this.procedure = procedure;
    }

    @Override
    public String toString() {
        return String.format("=== %d numbers from [%d, %d] with sum %d, %d iterations ===",
                numberCount, min, max, sum, repeatCount);
    }

    private static class GeneratedVector {
        final int[] v;

        GeneratedVector(int[] vect) {
            v = vect;
        }

        @Override
        public int hashCode() {
            return Arrays.hashCode(v);
        }

        @Override
        public boolean equals(Object obj) {
            if (this == obj)
                return true;
            return Arrays.equals(v, ((GeneratedVector)obj).v);
        }

        @Override
        public String toString() {
            return Arrays.toString(v);
        }
    }

    private static final Comparator<Map.Entry<GeneratedVector, Integer>> lexicographical = (e1, e2) -> {
        int[] v1 = e1.getKey().v;
        int[] v2 = e2.getKey().v;
        int len = v1.length;
        int d = len - v2.length;
        if (d != 0)
            return d;
        for (int i = 0; i < len; i++) {
            d = v1[i] - v2[i];
            if (d != 0)
                return d;
        }
        return 0;
    };

    private static final Comparator<Map.Entry<GeneratedVector, Integer>> byCount =
            Comparator.<Map.Entry<GeneratedVector, Integer>>comparingInt(Map.Entry::getValue)
            .thenComparing(lexicographical);

    public static int SHOW_MISSING_LIMIT = 10;

    private static void checkMissingPartitions(Map<GeneratedVector, Integer> map, PartitionGenerator reference) {
        int missingCount = 0;
        while (true) {
            int[] v = reference.get();
            if (v == null)
                break;
            GeneratedVector gv = new GeneratedVector(v);
            if (!map.containsKey(gv)) {
                if (missingCount == 0)
                    System.out.println(" Missing:");
                if (++missingCount > SHOW_MISSING_LIMIT) {
                    System.out.println("  . . .");
                    break;
                }
                System.out.println(gv);
            }
        }
    }

    public static final BiConsumer<PartitionGenerator, Test> distributionTest(boolean sortByCount) {
        return (PartitionGenerator gen, Test test) -> {
            System.out.print("\n" + getName(gen) + "\n\n");
            Map<GeneratedVector, Integer> combos = new HashMap<>();
            // There's no point of checking permus for sorted generators
            // because they are the same as combos for them
            Map<GeneratedVector, Integer> permus = gen.isSorted() ? null : new HashMap<>();
            for (int i = 0; i < test.repeatCount; i++) {
                int[] v = gen.get();
                if (v == null && gen instanceof SequentialEnumerator)
                    break;
                if (permus != null) {
                    permus.merge(new GeneratedVector(v), 1, Integer::sum);
                    v = v.clone();
                    Arrays.sort(v);
                }
                combos.merge(new GeneratedVector(v), 1, Integer::sum);
            }
            Set<Map.Entry<GeneratedVector, Integer>> sortedEntries = new TreeSet<>(
                    sortByCount ? byCount : lexicographical);
            System.out.println("Combos" + (gen.isSorted() ? ":" : " (don't have to be uniform):"));
            sortedEntries.addAll(combos.entrySet());
            for (Map.Entry<GeneratedVector, Integer> e : sortedEntries)
                System.out.println(e);
            checkMissingPartitions(combos, test.getGenerator(SequentialEnumerator.combinationFactory));
            if (permus != null) {
                System.out.println("\nPermus:");
                sortedEntries.clear();
                sortedEntries.addAll(permus.entrySet());
                for (Map.Entry<GeneratedVector, Integer> e : sortedEntries)
                    System.out.println(e);
                checkMissingPartitions(permus, test.getGenerator(SequentialEnumerator.permutationFactory));
            }
        };
    }

    public static final BiConsumer<PartitionGenerator, Test> correctnessTest =
        (PartitionGenerator gen, Test test) -> {
        String genName = getName(gen);
        for (int i = 0; i < test.repeatCount; i++) {
            int[] v = gen.get();
            if (v == null && gen instanceof SequentialEnumerator)
                v = gen.get();
            if (v.length != test.numberCount)
                throw new RuntimeException(genName + ": array of wrong length");
            int s = 0;
            if (gen.isSorted()) {
                if (v[0] < test.min || v[v.length - 1] > test.max)
                    throw new RuntimeException(genName + ": generated number is out of range");
                int prev = test.min;
                for (int x : v) {
                    if (x < prev)
                        throw new RuntimeException(genName + ": unsorted array");
                    s += x;
                    prev = x;
                }
            } else
                for (int x : v) {
                    if (x < test.min || x > test.max)
                        throw new RuntimeException(genName + ": generated number is out of range");
                    s += x;
                }
            if (s != test.sum)
                throw new RuntimeException(genName + ": wrong sum");
        }
        System.out.format("%30s :   correctness test passed%n", genName);
    };

    public static final BiConsumer<PartitionGenerator, Test> performanceTest =
        (PartitionGenerator gen, Test test) -> {
        long time = System.nanoTime();
        for (int i = 0; i < test.repeatCount; i++)
            gen.get();
        time = System.nanoTime() - time;
        System.out.format("%30s : %8.3f s %10.0f ns/test%n", getName(gen), time * 1e-9, time * 1.0 / test.repeatCount);
    };

    public PartitionGenerator getGenerator(GeneratorFactory factory) {
        return factory.create(numberCount, min, max, sum);
    }

    public static String getName(PartitionGenerator gen) {
        String name = gen.getClass().getSimpleName();
        if (gen instanceof SequentialEnumerator)
            return (gen.isSorted() ? "Sorted " : "Unsorted ") + name;
        else
            return name;
    }

    public static GeneratorFactory[] factories = { SmithTromblePartitionGenerator.factory,
            PermutationPartitionGenerator.factory, CombinationPartitionGenerator.factory,
            SequentialEnumerator.permutationFactory, SequentialEnumerator.combinationFactory };

    public static void main(String[] args) {
        Test[] tests = {
                            new Test(3, 0, 3, 5, 3_000, distributionTest(false)),
                            new Test(3, 0, 6, 12, 3_000, distributionTest(true)),
                            new Test(50, -10, 20, 70, 2_000, correctnessTest),
                            new Test(7, 3, 10, 42, 1_000_000, performanceTest),
                            new Test(20, 3, 10, 120, 100_000, performanceTest)
                       };
        for (Test t : tests) {
            System.out.println(t);
            for (GeneratorFactory factory : factories) {
                PartitionGenerator candidate = t.getGenerator(factory);
                t.procedure.accept(candidate, t);
            }
            System.out.println();
        }
    }
}

Вы можете попробовать это на Ideone .

3 голосов
/ 30 апреля 2020

Вот алгоритм от PermutationPartitionGenerator Джона Макклэйна, в другом ответе на этой странице. Он имеет две фазы, а именно фазу настройки и фазу выборки, и генерирует n случайные числа в [min, max] с суммой sum, где числа перечислены в случайном порядке.

Фаза установки: сначала строится таблица решений с использованием следующих формул (t(y, x), где y в [0, n] и x в [0, sum - n * min]):

  • t (0, j) = 1, если j == 0; 0 в противном случае
  • t (i, j) = t (i-1, j) + t (i-1, j-1) + ... + t (i-1, j- (max- min))

Здесь t (y, x) хранит относительную вероятность того, что сумма y чисел (в соответствующем диапазоне) будет равна x. Эта вероятность относительно всех t (y, x) с одинаковыми y.

Фаза выборки: Здесь мы генерируем выборку из n чисел. Установите s на sum - n * min, затем для каждой позиции i, начиная с n - 1 и возвращаясь к 0:

  • Установите v на случайное целое число в [0, t (i + 1, s)).
  • Установите r в min.
  • Вычтите t (i, s) из v.
  • Пока v остается 0 или больше, вычтите t (i, s-1) из v, добавьте 1 к r и вычтите 1 из s.
  • Число в позиции i в выборка установлена ​​на r.

РЕДАКТИРОВАТЬ:

Похоже, что при тривиальных изменениях в алгоритме выше, каждое случайное число можно использовать отдельно диапазон, а не использовать один и тот же диапазон для всех из них:

Каждое случайное число в позициях i ∈ [0, n) имеет минимальное значение min (i) и максимальное значение max (i) .

Пусть adjsum = sum - Σmin (i).

Фаза настройки: Сначала строится таблица решений с использованием следующих формул (t(y, x), где y - это в [0, n] и x в [0, adjsum]):

  • t (i, j) = t (i-1, j) + t (i-1, j-1) + ... + t (i-1, j- (max (i-1) -min (i-1)) )

Фаза выборки будет точно такой же, как и раньше, за исключением того, что мы установили s в adjsum ( вместо sum - n * min) и установите для r значение min (i) (вместо min).


РЕДАКТИРОВАТЬ:

Для CombinationPartitionGenerator Джона Макклэйна, настройка и выборка фазы:

Фаза настройки: сначала строится таблица решений с использованием следующих формул (t(z, y, x), где z в [0, n], y в [0 , max - min] и x в [0, sum - n * min]):

  • t (0, j, k) = 1, если k == 0; 0 в противном случае
  • t (i, 0, k) = t (i - 1, 0, k)
  • t (i, j, k) = t (i, j-1, k) + t (i - 1, j, k - j)

Фаза выборки: здесь мы генерируем выборку из n чисел. Установите s на sum - n * min и mrange на max - min, затем для каждой позиции i, начиная с n - 1 и возвращаясь к 0:

  • Установите v на случайное целое число в [0, t (i + 1, mrange, s)).
  • Установить mrange в мин (mrange, s)
  • Вычесть mrange от s.
  • Установите r на min + mrange.
  • Вычтите t (i, mrange, s) из v.
  • Пока v остается 0 или больше, добавьте 1 к s, вычтите 1 из r и 1 из mrange, затем вычтите t (i, mrange, s) из v.
  • Число в позиции i в образце установлено на r.
2 голосов
/ 03 мая 2020

Как указывает ОП, способность эффективно отменять рейтинги очень мощная. Если мы сможем это сделать, генерация равномерного распределения разделов может быть выполнена в три этапа (повторяя то, что ОП изложил в вопросе):

  1. Рассчитать общее количество, M , перегородок длиной N числа sum, так что детали находятся в диапазоне [min, max ].
  2. Создайте равномерное распределение целых чисел из [1, M].
  3. Снимите каждое целое число с шага 2 в соответствующем разделе.

Ниже мы сосредоточимся только на при генерации n th раздела, поскольку имеется большое количество информации для генерации равномерного распределения целых чисел в заданном диапазоне. Вот простой C++ алгоритм разыскивания, который должен быть легко переведен на другие языки (NB. Я еще не выяснил, как отменить разбор композиции (т. Е. Порядок важен)).

std::vector<int> unRank(int n, int m, int myMax, int nth) {

    std::vector<int> z(m, 0);
    int count = 0;
    int j = 0;

    for (int i = 0; i < z.size(); ++i) {
        int temp = pCount(n - 1, m - 1, myMax);

        for (int r = n - m, k = myMax - 1;
             (count + temp) < nth && r > 0 && k; r -= m, --k) {

            count += temp;
            n = r;
            myMax = k;
            ++j;
            temp = pCount(n - 1, m - 1, myMax);
        }

        --m;
        --n;
        z[i] = j;
    }

    return z;
}

Рабочая лошадка pCount функция задается следующим образом:

int pCount(int n, int m, int myMax) {

    if (myMax * m < n) return 0;
    if (myMax * m == n) return 1;

    if (m < 2) return m;
    if (n < m) return 0;
    if (n <= m + 1) return 1;

    int niter = n / m;
    int count = 0;

    for (; niter--; n -= m, --myMax) {
        count += pCount(n - 1, m - 1, myMax);
    }

    return count;
}

Эта функция основана на превосходном ответе на Существует ли эффективный алгоритм целочисленного разбиения с ограниченным числом частей? пользователем @ m69_snarky_and_unwelcoming. Тот, что приведен выше, представляет собой небольшую модификацию простого алгоритма (без напоминания). Это может быть легко изменено, чтобы включить памятку для большей эффективности. Мы пока остановимся на этом и сконцентрируемся на части без разметки.

Объяснение unRank

Сначала отметим, что существует однозначное сопоставление для разделов длины * 1042. * N числа sum, так что детали находятся в диапазоне [min, max] до ограниченных разделов длины N числа sum - N * (min - 1) с частями в [1, max - (min - 1)].

В качестве небольшого примера рассмотрим разбиения 50 длины 4, такие что min = 10 и max = 15. Это будет иметь ту же структуру, что и ограниченные разделы 50 - 4 * (10 - 1) = 14 длины 4 с максимальной частью, равной 15 - (10 - 1) = 6.

10   10   15   15   --->>    1    1    6    6
10   11   14   15   --->>    1    2    5    6
10   12   13   15   --->>    1    3    4    6
10   12   14   14   --->>    1    3    5    5
10   13   13   14   --->>    1    4    4    5
11   11   13   15   --->>    2    2    4    6
11   11   14   14   --->>    2    2    5    5
11   12   12   15   --->>    2    3    3    6
11   12   13   14   --->>    2    3    4    5
11   13   13   13   --->>    2    4    4    4
12   12   12   14   --->>    3    3    3    5
12   12   13   13   --->>    3    3    4    4

С учетом этого, чтобы легко считать, мы мог бы добавить шаг 1a, чтобы перевести проблему в «единичный» случай, если хотите.

Теперь у нас просто есть проблема подсчета. Как блестяще показывает @ m69, подсчет разделов может быть легко достигнут, если разбить проблему на более мелкие задачи. Функция @ m69 дает нам 90% пути, мы просто должны выяснить, что делать с добавленным ограничением, что есть ограничение. Вот где мы получаем:

int pCount(int n, int m, int myMax) {

    if (myMax * m < n) return 0;
    if (myMax * m == n) return 1;

Мы также должны помнить, что myMax будет уменьшаться по мере нашего продвижения вперед. Это имеет смысл, если мы посмотрим на 6 th раздел выше:

2   2   4   6

Чтобы отсчитать количество разделов, мы должны сохранить применяя перевод к «единичному» делу. Это выглядит следующим образом:

1   1   3   5

Где, как и на предыдущем шаге, у нас был максимум 6, теперь мы рассматриваем только максимум 5.

Имея это в виду, Отмена выбора раздела ничем не отличается от отмены выбора стандартной перестановки или комбинации. Мы должны быть в состоянии посчитать количество разделов в данном разделе. Например, чтобы подсчитать количество разделов, которые начинаются с 10, все, что мы делаем, это удаляем 10 в первом столбце:

10   10   15   15
10   11   14   15
10   12   13   15
10   12   14   14
10   13   13   14

10   15   15
11   14   15
12   13   15
12   14   14
13   13   14

Переведите в регистр единиц измерения:

1   6   6
2   5   6
3   4   6
3   5   5
4   4   5

и вызов pCount:

pCount(13, 3, 6) = 5

Учитывая случайное целое число, которое нельзя отменить, мы продолжаем вычислять количество секций в меньших и меньших секциях (как мы делали выше), пока не заполним наш индексный вектор.

Примеры

Учитывая min = 3, max = 10, n = 7 и sum = 42, вот демо ideone , которое генерирует 20 случайных разделов , Вывод ниже:

42: 3 3 6 7 7 8 8 
123: 4 4 6 6 6 7 9 
2: 3 3 3 4 9 10 10 
125: 4 4 6 6 7 7 8 
104: 4 4 4 6 6 8 10 
74: 3 4 6 7 7 7 8 
47: 3 4 4 5 6 10 10 
146: 5 5 5 5 6 7 9 
70: 3 4 6 6 6 7 10 
134: 4 5 5 6 6 7 9 
136: 4 5 5 6 7 7 8 
81: 3 5 5 5 8 8 8 
122: 4 4 6 6 6 6 10 
112: 4 4 5 5 6 8 10 
147: 5 5 5 5 6 8 8 
142: 4 6 6 6 6 7 7 
37: 3 3 6 6 6 9 9 
67: 3 4 5 6 8 8 8 
45: 3 4 4 4 8 9 10 
44: 3 4 4 4 7 10 10

Лексикографический указатель находится слева, а раздел без разметки - справа.

2 голосов
/ 24 апреля 2020

Я не проверял это, так что на самом деле это не ответ, а просто попытка, которая слишком длинна, чтобы вписаться в комментарий. Начните с массива, который соответствует первым двум критериям, и поиграйте с ним, чтобы он все еще соответствовал первым двум, но гораздо более случайным.

Если среднее значение является целым числом, то ваш начальный массив может быть [4 , 4, 4, ... 4] или, может быть, [3, 4, 5, 3, 4, 5, ... 5, 8, 0] или что-то простое в этом роде. Для среднего значения 4,5 попробуйте [4, 5, 4, 5, ... 4, 5].

Далее выберите пару чисел num1 и num2 в массиве. Вероятно, первое число должно быть взято по порядку, как и в случае тасования Фишера-Йейтса, второе число должно выбираться случайным образом. Принятие первого числа по порядку гарантирует, что каждое число будет выбрано хотя бы один раз.

Теперь вычислите max-num1 и num2-min. Это расстояния от двух чисел до границ max и min. Установите limit на меньшее из двух расстояний. Это максимально допустимое изменение, которое не поставит одно или другое число за допустимые пределы. Если limit равно нулю, пропустите эту пару.

Выберите случайное целое число в диапазоне [1, limit]: назовите его change. Я опускаю 0 из диапазона выбора, поскольку это не имеет никакого эффекта. Тестирование может показать, что вы получаете лучшую случайность, включая ее; Я не уверен.

Теперь установите num1 <- num1 + change и num2 <- num2 - change. Это не повлияет на среднее значение, и все элементы массива все еще находятся в требуемых границах.

Вам необходимо будет пройти через весь массив хотя бы один раз. Тестирование должно показать, нужно ли вам проходить через него несколько раз, чтобы получить что-то достаточно случайное.

ETA: включить псевдокод

// Set up the array.
resultAry <- new array size N
for (i <- 0 to N-1)
  // More complex initial setup schemes are possible here.
  resultAry[i] <- mean
rof

// Munge the array entries.
for (ix1 <- 0 to N-1)  // ix1 steps through the array in order.

  // Pick second entry different from first.
  repeat
    ix2 <- random(0, N-1)
  until (ix2 != ix1)

  // Calculate size of allowed change.
  hiLimit <- max - resultAry[ix1]
  loLimit <- resultAry[ix2] - min
  limit <- minimum(hiLimit, loLimit)
  if (limit == 0)
    // No change possible so skip.
    continue loop with next ix1
  fi

  // Change the two entries keeping same mean.
  change <- random(1, limit)  // Or (0, limit) possibly.
  resultAry[ix1] <- resultAry[ix1] + change
  resultAry[ix2] <- resultAry[ix2] - change

rof

// Check array has been sufficiently munged.
if (resultAry not random enough)
  munge the array again
fi
0 голосов
/ 04 мая 2020

Если вы сгенерируете 0≤a≤1 случайных значений в диапазоне [l, x-1] равномерно и 1-a случайных значений в диапазоне [x, h] равномерно, ожидаемое среднее значение будет равно :

m = ((l+x-1)/2)*a + ((x+h)/2)*(1-a)

Поэтому, если вы хотите указать c m, вы можете играть с a и x.

Например, если вы установите x = m: a = (hm) /(h-l+1).

Чтобы обеспечить близкую к равномерной вероятность для различных комбинаций, выберите a или x случайным образом из набора действительных решений уравнения выше. (x должно быть в диапазоне [l, h] и должно быть (близко к) целому числу; N * a также должно быть (близко к) целому числу.

...