引子:
在写程序间突然需要用到随机数,于是用到了js的Math.random随机函数,生成指定范围内的随机数,根据网上流传的写法生成指定范围内的随机数如下
function random(min, max){ return Math.round(Math.random()*(max-min))+min; } var zero = one = two = three = 0; for(var i=0;i<10000;i++){ var num = random(0,3); if(num==0){ zero++; }else if(num==1){ one++; }else if(num==2){ two++; }else if(num==3){ three++; }else{ console.log("assert false"); } } console.log(zero,one,two,three);
经过10000次计算,在0-3范围内生成的结果数据如下,0=1670次 1=3348次 2=3266次 3=1717次
发现这个算法略坑,min以及max的边界命中率简直低的可怜,根本不是均匀分布,反而有点像正态分布,只能改进重写了
Math.random()函数
根据官方的定义:random() 方法可返回介于 0 ~ 1 之间的一个随机数。那么猜想在0~1之间,如果对生成的随机数进行四舍五入,那么该概率在(0,1)是呈均匀分布状态,也就是说出现0或者是1的概率是相等的,接下来验证猜想
function guess(){ var zero = 0; var one = 0; for(var i=0;i<100000;i++){ Math.round(Math.random()) ==1 ? one++ : zero++; } return zero+" "+one; } for(var i=0;i<10;i++){ var g = guess(); console.log(g); }
运行结果如下
50093 49907
49787 50213
49862 50138
49948 50052
49820 50180
50158 49842
50179 49821
49967 50033
49920 50080
50063 49937
从数据结果中可以看出,对随机数四舍五入之后,出现0和出现1的概率呈均匀分部状态,测试次数无穷大的情况下,那么出现1或0的概率的极限都是1/2,根据这个特性,由二进制开始联想,那么在指定位数的情况下,在这个区间内,每一个数出现的概率也是均匀分布的,概率各为1/2^n,于是就有了下面的验证程序如下
var Helpers = { getbit: function(num){ var bit = 0; while(num>0){ num = num>>1; bit++; } return bit; }, randomBin : function(times){ var num = Math.round(Math.random()); while(times>1){ num = (num<<1) + Math.round(Math.random()); times--; } return num; }, random : function(min,max){ var num = max-min; var times = this.getbit(num); do{ var binNum = this.randomBin(times); }while(!(binNum<=num)); return binNum+min; } } var zero = one = two = three = 0; for(var i=0; i<=10000; i++){ var n = Helpers.random(0,3); if(n == 0){ zero++; }else if(n == 1){ one++; }else if(n == 2){ two++; }else if(n == 3){ three++; } } console.log(zero,one,two,three);
运行10000次的结果:2523 2548 2416 2514 ,根据数据可以看出,这种生成随机数的方式比之第一种要更加的均匀
尾语:
虽然复用代码是一个好习惯,但是不要盲目的去复用他人的代码,靠巧合编程是无法长久的,惟有不断的提升自己,才会觉得数学与计算机真的是非常的有趣。