1

我想知道在以下情况下，哪种方法是最简单、最可配置的方法来获得我需要的东西：

  • 我有一个计数器，我们称之为它将X用于提取其中一组
  • 我有可变数量的集合S1, S2, ..，它们可以被认为是它们之间的总排序
  • 我想以一种模糊的方式混合这些集合，这样X = 0它会给我S1，比如说，X = 20它会给我S170% 的机会，以及S230% 的机会
  • 增加X将降低概率S1直到 0%，同时增加到S2100%，然后可能会有一个区域，它会一直给我S2 ，直到一个新的阈值S2开始减少并S3开始获得它的机会等等

我知道如何通过对所有内容进行硬编码来做到这一点，但由于它需要一些调整，我想应用一个解决方案，该解决方案可以轻松配置我拥有的集合数量和单个阈值（增加概率的开始/结束和开始/结束减少概率）。当然，我不需要每组超过 2 组之间的任何交集，并且概率的线性增加/减少是可以的.. 有什么好的线索吗？

提前致谢！

4

1 回答 1

1

要分配概率分布，您可以使用 Bernstein 多项式：

http://en.wikipedia.org/wiki/Bernstein_polynomial

这些可以使用de Casteljau的算法有效地计算（基本上它以明显的方式在递归上进行DP）：

http://en.wikipedia.org/wiki/De_Casteljau's_algorithm _

http://www.cs.mtu.edu/~shene/COURSES/cs3621/NOTES/spline/Bezier/de-casteljau.html

你得到的结果将是一组分布的权重。要选择一个集合，您只需在 [0,1] 中生成一个统一的随机变量，然后根据这些权重选择它所在的集合。

这是执行此操作的python中的一些代码：

import random

#Selects one of the n sets with a weight based on x
def pick_a_set(n, x):

    #Compute bernstein polynomials
    weights = [ [ float(i == j)  for j in range(n) ] for i in range(n) ]
    for k in range(n):
        for j in range(n-k-1):
            for i in range(n):
                weights[j][i] = weights[j][i] * (1.0 - x) + weights[j+1][i] * x

    #Select using weights
    u = random.random()
    for k in range(n):
        if u < weights[0][k]:
            return k
        u -= weights[0][k]
    return 0
于 2011-06-25T02:29:06.863 回答