WOW,好长时间没有更新博客了,最近加班,加到屎...果然年轻就要996...哈哈
最近,TA们又有了个新的点子,也不对,可能只是在某处看到的点子,不过..who care!,反正最后我来搬砖,除了CRUD之外好像没啥新颖的地方,
不过有个地方我还是学习了下,参考了一位博主写的:
给定N个概率集合,从总随机抽取,发放奖品,限定前M名必得奖品,在奖品不够的情况下,重新抽奖,再将其发放.直到奖品数量为余量值后,结束抽奖
其中,在github上找到一个非常厉害的抽奖,实现,不过,鉴于项目简单性,就没拿过来了,自己写个工具类算了,毕竟.怎么方便怎么来嘛
思路:
在给定奖品概率情况下,可以得出总的奖品概率,用我在10年前学过的数学知识来说,在一个一维象限,每个概率都会占有一定的长度,在随机生成一个0-N 数值 将其插入其这个一维象限中,得到的索引就是好了.
........部分代码....//结束条件,获取剩余数量<=0 遍历所有 do{
int type = RandomUtils.nextInt(0, giftArray[maxSet.size()-1]+1);
List<GiftEntity> giftsEnums = new CopyOnWriteArrayList<>(giftsIntoDate);
//去掉非类型礼品
for (GiftEntity giftsEnum : giftsEnums) {
if (type != giftsEnum.getType()) {
giftsEnums.remove(giftsEnum);
}
}
int index = LotteryUtil.drawGift(giftsEnums);
if(index == -1){
return null;
}
//结果奖品
giftEntity = giftsEnums.get(index);
//将奖品id放入set中,判断是否全部发放完毕
Integer id = giftEntity.getId();
// //在set里面,都是数量为0的不进行下一步操作
boolean contains = giftSet.contains(id);
if(contains){
continue;
}
count = (Integer) redisService.get(GIFT_CACHE + id);
GiftEntity giftEntityById = null;
//缓存失效 出现的情况可能是...
if(count == null){
//获取redis锁 // ... lockData//走数据库
giftEntityById = giftDao.findGiftEntityById(id);
if(!Objects.isNull(giftEntityById)){
//数据库
synchronized (lockData){
count = giftEntityById.getNumber();
if(count > 0){
giftEntityById.setNumber(count - 1);
giftDao.save(giftEntityById);
}else{
count = 0;
}
}
}else{
count = 0;
}
}
//查看缓存中资源数量是否<0
if (count > 0 && count != 0) {
//判断走缓存还是数据库
if(!Objects.isNull(redisService.get(GIFT_CACHE + id))){
//缓存
//用户将缓存中的数量减一
}
break;
}else{
//控制次数 如果遍历每个奖品后,则今日奖品资源发放完毕
giftSet.add(id);
}
}while (count >= 0 && giftSet.size() < giftList);
if (giftSet.size() == giftList) {
return null;
}
以上便是部分代码逻辑代码,用户判断奖品数量,前M个是否必中,不中,在次循环抽取,,防止死循环,将其抽取结果放入HashSet中,判断礼品个数是否达到上限,就是规定的个数,如果hashset个数达到规定的个数,说明,已经全部都抽了一边了,这就说明,奖品数量已经没了,那就GG了,可以返回为空了,说明无奖可发.
重点,抽奖概率:
假设有4种奖品,其概率依次为以下所示:
在计算下各个概率在一维象限中,所占比例,一次相加除总概率,算出来的
随机概率用的是java自带的Math下的随机生成的,0-1之间,每次抽取后,再看在哪个区间内.其区间就是原有的概率索引
比说说现在随机生成了 0.9740539834739117
那这个就在 0.79 0.99 之间了,将其插入其中
0.79 <0.9740539834739117 < 0.99
最后就成了
0.7 < 0.79 < 0.9740539834739117 <0.99 < 1其
其索引值是2,,原先我们定义的2下标下是0.19 则返回概率是0.19的奖品
至此,OK
代码如下:
private static int draw(List<Double> giftProbList){
if(CollectionUtils.isEmpty(giftProbList)){
return -1;
}
List<Double> list = new ArrayList<>();
// 随机生成一个随机数,做插入用
double random = Math.random();
// 计算概率总和
Double sum = giftProbList.stream()
.mapToDouble(d -> d)
.summaryStatistics()
.getSum();
if(sum != 0){
//概率所占比例
double rate = 0D;
for(Double prob : giftProbList){
rate += prob;
list.add(rate / sum);
}
list.add(random);
Collections.sort(list);
// 返回该随机数在比例集合中的索引
return list.indexOf(random);
}
return -1;
}
模拟用户抽奖,假设有1000个用户
RESULT:
0.7: 抽取个数:701 概率:0.701 0.1: 抽取个数:84 概率:0.084 0.19: 抽取个数:198 概率:0.198 0.01: 抽取个数:17 概率:0.017
瞅着效果还行,不过我测试了几个极端的情况下,还是有点问题....那是啥问题呢,下次分解喽,要去干活了
原文地址：https://www.cnblogs.com/guyanzy/p/11233642.html
时间： 2024-10-10 16:27:26