闲话shuffle（洗牌）算法

工作中经常会用到洗牌算法，看到这篇文章不错，原文摘自：http://www.atatech.org/article/detail/11821/928  作者：子仲

 

场景

洗牌算法的应用场景其实很多，运营的坑位固定，需要随机显示是一种场景。用音乐播放的时候，随机播放列表，其实主要用的就是shuffle算法。谁都不希望随机一两次之后又听到同一首歌。IPod shuffle的卖点其实就在这。我们平时在人数固定的情况下就会用到shuffle算法。总得来说洗牌算法场景较多，下面我们来看看它的实现原理。

 

实现

洗牌算法是实现方式

第一种我叫它正常洗牌抽牌法

桌上有n张扑克牌，第i次从桌子上等概率随机取出一张扑克牌，此时牌堆的减少一张，在n-i的牌堆里面再随机等概率抽取一张，直到抽完为止。

deck 为扑克牌 

1    for i <-  0 to  n
2    d<-random(n-i)
3    swap(deck[d],deck[n-i])

还有一种方式就是标记法，就是抽牌的人从牌堆里面随机抽出一张牌，然后标记为已读，然后放回牌堆里面，继续随机抽取，如果遇到“已读‘标记的，就放回。直到抽到无已读为止。这种方式和前面的方式实现简直就是高富帅和屌丝之间的差别。因为这种方式就是你要随机到所有的牌都出现过为止。一句话“远离此方法，争做有爱青年“

 

javascript实现

 

 

第一种实现：

1    function shuffle0(array) {
2        array.sort(function() {
3            return Math.random() - 0.5;
4        });
5        return array;
6    }

这是一种不完全的洗牌算法

 

第二种实现：

1    function shuffle1(array) {
2        for (var i = array.length - 1; i > 0; i--) {
3            var j = Math.floor(Math.random() * (i + 1));
4            var temp = array[i];
5            array[i] = array[j];
6            array[j] = temp;
7        }
8        return array;
9    }

这是理想的算法

 

第三种实现：

01    function shuffle2(array) {
02     var copy = [], n = array.length, i;
03
04      while (n) {
05        i = Math.floor(Math.random() * array.length);
06
07        if (i in array) {
08          copy.push(array[i]);
09          delete array[i];
10          n--;
11        }
12      }
13
14      return copy;
15    }

这就是前面说到的屌丝算法

 

第四种实现：

1    function shuffle3(array) {
2      var copy = [], n = array.length, i;
3      while (n) {
4        i = Math.floor(Math.random() * n--);
5        copy.push(array.splice(i, 1)[0]);
6      }
7
8      return copy;
9    }

 

看来像O(n) 但是由于splice的缘故，这个算法也有可能出现O（n^2)的情况

demo

多做一步

谁才是中国好随机？才是真随机？

接下来让我们重复30遍来看看效果

我们来制定一个判断标准：随机之后出现在自己的位置的数量越少说明随机的越彻底，反之则说明越不彻底

1    var sum = 0;
2    for(var i=0;i<30;i++) {
3         var a = [0,1,2,3,4,5,6,7,8,9];
4         console.log(shuffleN(a));
5         for(var j=0;j<10; j++) {
6              if(a[j]==j) sum++;
7        }
8    }
9    console.log('随机重复数:'+sum)

第一种

第二种

第三种

第四种

性能对比

我们来对四种方法做下性能对比： http://jsperf.com/sm-shuffle

通过对比

第二种方法的效率最高

第三种效率最差

 

总结

选择一种算法实现，时间复杂度、空间复杂要考虑，对于像这种随机算法，我觉得还需要一个准确度。

第一种方法由于不能做到真正意义上的随机，所以可以不考虑。

第二种效率最高，但是也会出现重复，但是可以接受，因为更接近现实中的随机情况

第三种效率最差，而且是全随机，效率差到爆，那就不多说了

第四种如果做全随机的话，我觉得可以选用这种方式，也会出现效率问题。