我正在用 Java 编写辅助学习算法。
我遇到了一个我可能可以解决的数学问题，但是因为处理会很繁重，我需要一个最佳解决方案。
话虽如此，如果有人知道一个非常棒的优化库，但语言是 Java，所以需要考虑。
这个想法很简单：
对象将存储 ABDC、ACDE、DE、AE 等变量的组合。
组合的最大数量将取决于我可以在不减慢程序速度的情况下运行多少，所以理论上可以说是 100。
决策过程将在每次迭代中生成一个随机变量。如果生成的变量是组合之一的一部分，例如。'A' 是 ABDC 和 ACDE 的一部分，而不是 C 和 B（或存储组合中的任何后续字母）的倾向会增加。
为了让事情更清楚一点，让我们假设“A”、“B”、“C”、“D”和“E”是唯一可能的变量。事实是，会有更多的像 12 或 14，但这个最大值还取决于我可以在没有延迟的情况下处理多少。
由于有五个可能的变量，它将为第一次迭代生成加权 1/5 随机滚动。如果该滚动结果是“A”，那么在下一次迭代中，“B”和“C”现在将具有 2/5 的倾向，而不是 1/5。
如果下一次迭代要生成“B”，则“D”倾向将增加到 3/5。注意：关系是指数的；实际上，它不会是 1/5，而是像 10% 这样的轻微提升，如果它达到序列中的第 4 个变量，它将滚雪球到 50%。
现在，在 Java 中，我可能可以通过跟踪每个对象的所有存储组合来实现此功能。我在想，通过在每次迭代中分小步分布跟踪过程，它不应该太慢。
另一种解决方案是映射所有可能的组合及其潜在倾向。这当然只需要一个搜索功能，但在计算所有可能性并存储在某个地方（可能是在一个文件中）时也会出现问题。
有人建议我应该使用马尔可夫模型和/或库，尽管我对这种类型的数学不太熟悉。
如何在 Java 中快速计算这个过程？
.
示例 >>>
只有一个序列ABC。
对于三个数字，机会开始相等，所以它看起来像 rand(1,3)
如果 A 是结果，我们会增加 B 的可能性，因为它是序列中的下一个字母。可以说我们加倍。
所以现在的机会是：A=1/4，C=1/4，B=2/4
该函数现在看起来像 rand(1,4)，其中 3 和 4 的结果都代表选项 B。
如果下一个结果是 B，我们希望增加 C 的可能性，因为它是序列中的下一个字符，但是上次增加的两倍（指数）
现在的机会是：A=1/6, C=1/6, B=4/6
该函数现在是 rand(1/6)，其中值 3、4、5、6 代表 C。