方法1:这个随机数相当于抛一次色子,所以通过拋两次色子得到一个坐标。可能的坐标一共有36种。
(1, 1), (1, 2), (1,3), (1, 4), (1, 5), (1,6) (2, 1), (2, 2), (2,3), (2, 4), (2, 5), (2,6) (3, 1), (3, 2), (3,3), (3, 4), (3, 5), (3,6) (4, 1), (4, 2), (4,3), (4, 4), (4, 5), (4,6) (5, 1), (5, 2), (5,3), (5, 4), (5, 5), (5,6) (6, 1), (6, 2), (6,3), (6, 4), (6, 5), (6,6)
给1-7的每一个元素分配5种,还剩下1种不合法的情况,我们重新运行rand7()变有几率得到前35种合法情况。通过观察发现前5列可以对应数字1-6,最后一列前5个对应数字7。这个方法有死循环的风险,但是概率极小。
int rand7() { int x = rand6(), y = rand6(); if(x == 6 && y == 6){ return rand7(); } if(y < 6){ return x; } return 7; }
我们可以发现此方法虽然最容易想,但是实际上并不可行。因为要对,每个数字点的分配工作其实并没有简单有效的方式。
方法2:得到1-7*x上均匀分布,其中x可以为自然数1,2,3......
int x = rand6(), y = rand6(); int V = 6*x + y - 6;
上面代码可以得到1-36的均匀分布。下面简单下证明。
我们可以发现 y = ((V-1) + 6 - 6x)%6 + 1 = (V-1)%6 + 1; x = (V+5-V%6)/6。 所以对于每一V有且只有一个x , y与其一一对应。另外6*x-6可取值范围为0, 6, 12....30, y取值范围为1-6所以V的可以涵盖1-36的所有元素。所以此分布为1-36的均匀分布。
有了此分布我们可以轻松得到1-7上的均匀分布。当V <= 35时, rand7() = V%7 + 1。
int rand7() { int x = rand6(), y = rand6(); int v = 6*x + y - 6; if(v < 35){ return v%7 + 1; } return rand7(); }
大家可能发现6这个重要的系数是不能变的。假设系数为7的话。 会发现14是生成不了的因为y = (V-1)%7 + 1 = 7 > 6。系数为5的话也可以发现不成立。
于是我们可以退对其推广, 有1-a的均匀分布可以得到1-a2的均匀分布,甚至1-a3乃至an的分布, 公式为∑(ai-1 × rand()) - a
原文:http://www.cnblogs.com/Jaunty/p/5047039.html