C# 权重控制随机抽取率

增加、减少随机抽中几率——此算法可用于题库随机抽题、赌博机控制出彩率，甚至俄罗斯方块等游戏，有广泛的用途！也希望能帮得到你！

强调

在随机的基础上增控制抽中几率，注意随机性！！

正文

一、文字解说：

为待随机抽取的集合每个项加一个权值，这个权值就是随机几率，比如正常被抽正的几率为1，那么将希望被抽中几率更大的项的权值设置为3或5，然后随机抽取集合中的项，并将随机数乘以每个项对应的权值，然后排序！！提取前N个项即可！大家可以发现权值更高被乘之后有更高几率排在前面而被抽中，如果将权值设为0将永远也不会被抽中！

二、应用场景：

1. 随机抽题：如果题A去年考过了，那么我希望今年出现的几率更小或者不出现，那么我将题A的权值设置为0，这道题将在以后的考试随机抽题中永远不会被随机抽中；而另外题B是本院今年模拟考试中的一道题目，我将这道题权值增加到5，根据算法，那么这道题目在下次随机抽题抽中率将比普通题目提高数倍！

2. 赌博机：大家知道游戏厅里面的赌博机是可以调的，被人调了之后出彩率明显提高或者降低，我觉得本算法适合解释。假设赌博机有24个赌项可供选择，分别是A-Z各个字母，按正常几率的话每个项的权值都是1，调机师可以通过动态改变权值来达到提高或降低中奖率。假如你投三个币，分别选了A、B、C，赌博机根据调机师的设置动态改变了A、B、C的权值，让灯转3-4圈后更大的几率停留在这三个选择中奖金较少的一个。

3. 俄罗斯方块：大家在打QQ俄罗斯方块对打的时候，有时候明显感觉堆得越高，出的东西反而不顺意，我觉得本算法也可以达到这个效果。计算机能算得出下一个最优方案是出条还是出角最好，所以可以通过调整权值来打破平均出现的几率来达到这个目的！

三、代码实现（C#实现）：

RandomController.cs

using System;

using System.Collections.Generic;

using System.Text;

/*

为待随机抽取的集合每个项加一个权值，这个权值就是随机几率，比如正常被抽正的几率为1，

那么将希望被抽中几率更大的项的权值设置为3或5，然后随机抽取集合中的项，并将随机数

乘以每个项对应的权值，然后排序！！提取前N个项即可！大家可以发现权值更高被乘之后

有更高几率排在前面而被抽中，如果将权值设为0将永远也不会被抽中！

*/

namespace 随机抽奖

{

public class RandomController

{

#region Properties

private int _Count;

/// <summary>

/// 随机抽取个数

/// </summary>

public int Count

{

get{return _Count;}

set{_Count = value;}

}

#endregion

#region Member Variables

/// <summary>

/// 待随机抽取数据集合

/// </summary>

public List<char> datas = new List<char>(

new char[]{

'A','B','C','D','E','F',

'G','H','I','J','K','L',

'M','N','O','P','Q','R',

'S','T','U','V','W','X',

'Y','Z'

});

/// <summary>

/// 对应奖项权值

/// </summary>

public List<ushort> weights = new List<ushort>(

new ushort[]{

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

7,8,9,0,1,1,

1,1,1,1,1,1,

1,1,1,1,1,1,

1,1

});

#endregion

/// <summary>

/// 构造函数

/// </summary>

/// <param name="count">随机抽取个数</param>

public RandomController(ushort count)

{

if (count > 26)

throw new Exception("抽取个数不能超过数据集合大小！！");

_Count = count;

}

#region 普通随机抽取

/// <summary>

/// 随机抽取

/// </summary>

/// <param name="rand">随机数生成器</param>

/// <returns></returns>

public char[] RandomExtract(Random rand)

{

List<char> result = new List<char>();

if (rand != null)

{

for (int i = Count; i > 0; )

{

char item = datas[rand.Next(25)];

if (result.Contains(item))

continue;

else

{

result.Add(item);

i--;

}

}

}

return result.ToArray();

}

#endregion

#region 受控随机抽取

/// <summary>

/// 随机抽取

/// </summary>

/// <param name="rand">随机数生成器</param>

/// <returns></returns>

public char[] ControllerRandomExtract(Random rand)

{

List<char> result = new List<char>();

if (rand != null)

{

//临时变量

Dictionary<char, int> dict = new Dictionary<char, int>(26);

//为每个项算一个随机数并乘以相应的权值

for (int i = datas.Count - 1; i >= 0; i--)

{

dict.Add(datas[i], rand.Next(100) * weights[i]);

}

//排序

List<KeyValuePair<char, int>> listDict = SortByValue(dict);

//拷贝抽取权值最大的前Count项

foreach (KeyValuePair<char, int> kvp in listDict.GetRange(0, Count))

{

result.Add(kvp.Key);

}

}

return result.ToArray();

}

#endregion

#region Tools

/// <summary>

/// 排序集合

/// </summary>

/// <param name="dict"></param>

/// <returns></returns>

private List<KeyValuePair<char, int>> SortByValue(Dictionary<char, int> dict)

{

List<KeyValuePair<char, int>> list = new List<KeyValuePair<char, int>>();

if (dict != null)

{

list.AddRange(dict);

list.Sort(

delegate(KeyValuePair<char, int> kvp1, KeyValuePair<char, int> kvp2)

{

return kvp2.Value - kvp1.Value;

});

}

return list;

}

#endregion

}

}

----------------------------------------------------------------------------------------

调用测试代码：
static void Main(string[] args)

{

//从集合中随机抽取个数

const ushort COUNT = 6;

//循环次数

const int FOR_COUNT = 1000;//10000

#region 1000、10000次随机抽取，每次抽取6个

RandomController rc = new RandomController(COUNT);

//累积器

Dictionary<char, int> result = new Dictionary<char, int>();

//随机数生成器

Random rand = new Random();

//循环生成随机数

for (int i = 0; i < FOR_COUNT; i++)

{

char[] rands = rc.RandomExtract(rand);

for (int j = 0; j < COUNT; j++)

{

char item = rands[j];

if (result.ContainsKey(item))

result[item] += 1;

else

result.Add(item, 1);

}

Thread.Sleep(5);

}

Console.WriteLine("\t\t出现次数\t占总共出现次数百分比");

foreach (KeyValuePair<char, int> item in result)

{

Console.WriteLine(item.Key + "\t\t" + item.Value.ToString() + "\t\t" +((double)item.Value / (double)(FOR_COUNT * COUNT)).ToString("0.00%"));

}

}

普通随机抽取分别进行1000次测试显示：



控制随机几率随机抽取进行1000次代码修改：

1. 将rc.RandomExtract(rand)改为rc.ControllerRandomExtract(rand)

2. 注释掉上面输出部分代码，加上以下代码：
Dictionary<char,ushort> items = new Dictionary<char,ushort>();

for (int i = 0,j = rc.datas.Count; i < j; i++)

{

items.Add(rc.datas[i],rc.weights[i]);

}

Console.WriteLine("\t\t出现次数\t占总共出现次数百分比\t权值");

foreach (KeyValuePair<char, int> item in result)

{

Console.WriteLine(item.Key + "\t\t" + item.Value.ToString() + "\t\t" +((double)item.Value / (double)(FOR_COUNT * COUNT)).ToString("0.00%") + "\t\t\t" +items[item.Key]);

}

测试结果：


小结

从上面统计结果可以看出，普通随机数分布比较均匀，随机抽中的几率相对持平；但是经过控制随机抽中几率，权值高的明显抽中几率要高，另外需要注意的是这里只输出了25个字母，也就是还有一个字母没有被抽中过，因为按算法他是始终不会出现的，除非一次抽26个！！

需要注意的是：

1. 合理的调配权值和随机数生成的大小也很有关系，大家可以看到权值5的和权值1的出现几率相差不是5倍，而是30-50倍。

2. 如果数据源随机的数据大，比如上千上万条，按现在的程序是不可行的，可以先随机抽取比所需抽取个数多2-5倍的数据，然后直接按权值排序然后抽取前N位来达到目的。

3. 最重要的一点就是注意随机性，这个算法如果不是建立在随机的机制上是毫无价值的！！