Python은 가중치 난수를 사용하여 복권 및 게임 장비 폭발 문제를 해결합니다.-파이썬 튜토리얼-php.cn

집

백엔드 개발

파이썬 튜토리얼

Python은 가중치 난수를 사용하여 복권 및 게임 장비 폭발 문제를 해결합니다.

高洛峰

Mar 02, 2017 am 11:28 AM

가중 난수 정보

이해를 돕기 위해 먼저 세 가지 유형의 난수 문제를 비교해 보겠습니다.
1. n개의 레코드가 있습니다. m개 레코드 중에서 선택한 레코드의 순서는 중요하지 않습니다.
구현 아이디어: 모든 레코드를 행별로 순회하고 n/m 레코드마다 하나의 데이터를 가져옵니다
2. 유형 1에서는 선택한 m 레코드도 무작위로 정렬해야 합니다
구현 아이디어: n개의 레코드에 대해 마커 열을 추가하면 값은 1과 n 사이에서 무작위로 선택된 중복되지 않은 데이터입니다.
3. 1종, 2종 문제와 다르게, 레코드에 가중치가 있는 경우 가중치를 기준으로 무작위로 선택하는 방법입니다. 예를 들어 A의 가중치가 10, B의 가중치가 5, C의 가중치가 1이라면 4를 무작위로 선택했을 때 AABB가 나타날 것입니다.
세 번째 유형의 질문이 이 글의 초점입니다.
구현 아이디어: A:10, B:5, C:1 중에서 무작위로 선택된 4개의 레코드를 예로 듭니다(가중치 기준으로 정렬되어 있는지는 중요하지 않습니다)

A 10의 경우
B 5
C 1
먼저 n번째 행의 값을 n번째 행과 n-1번째 행에 대입하고 다음과 같이 재귀적으로 실행합니다.
A 10
B 15
C 16
그런 다음 매번 [1,16]에서 무작위로 숫자를 선택합니다. [1,10]에 속하면 A를 선택하고, (10,15]에 속하면 B를 선택합니다. (16),16] 중에서 C를 선택하세요. 그림과 같이 간격이 큰 쪽(가중치가 높은 쪽)이 선정될 확률이 높아집니다. 🎜>

복권 및 게임에 적용됩니다. 폭발물 장비 Python은 가중치 난수를 사용하여 복권 및 게임 장비 폭발 문제를 해결합니다.

권위 있는 무작위화는 게임 개발, 각종 복권 추첨 및 폭발물 장비 등에 많이 사용됩니다.

필요에 따라 작동하여 각 아이템이 나타날 확률을 구성합니다.
의 아이디어 오늘 우리가 이야기할 가중 무작위 알고리즘은 매우 간단합니다. 즉, 모든 항목은 가중치에 따라 간격으로 구성되며, 가중치가 큰 간격은 더 커집니다. 그러면 파이 차트로 상상될 수 있습니다. 주사위를 던져 어느 범위에 속하는지 확인해보세요. "

예를 들어 연말 복권이 있는데, 그 아이템은 아이폰/아이패드/아이터치입니다.

주최자가 설정한 무게는 [('iphone ', 10), ('ipad', 40), ('itouch', 50)].아이디어는 한 줄의 코드, 즉 random.choice(['iphone']*10으로 설명할 수 있습니다. + ['ipad']*40 + ['itouch']*50).
이하에서는 일반함수로 작성하겠습니다.

#coding=utf-8 
import random 
def weighted_random(items): 
  total = sum(w for _,w in items) 
  n = random.uniform(0, total)#在饼图扔骰子 
  for x, w in items:#遍历找出骰子所在的区间 
    if n<w: 
      break 
    n -= w 
  return x 
 
print weighted_random([(&#39;iphone&#39;, 10), (&#39;ipad&#39;, 40), (&#39;itouch&#39;, 50)])

로그인 후 복사

위 코드는 충분히 직관적이지만 총계는 매번 계산되며, 매회 뺄셈 구간을 선형적으로 통과한다는 점을 주의하세요. 실제로 먼저 저장하고 테이블을 찾아볼 수 있습니다. 누적+이등분 검색을 사용하세요.
항목이 많을수록 성능이 더 확실해집니다.

#coding=utf-8 
class WeightRandom: 
  def __init__(self, items): 
    weights = [w for _,w in items] 
    self.goods = [x for x,_ in items] 
    self.total = sum(weights) 
    self.acc = list(self.accumulate(weights)) 
 
  def accumulate(self, weights):#累和.如accumulate([10,40,50])->[10,50,100] 
    cur = 0 
    for w in weights: 
      cur = cur+w 
      yield cur 
 
  def __call__(self): 
    return self.goods[bisect.bisect_right(self.acc , random.uniform(0, self.total))] 
 
wr = WeightRandom([(&#39;iphone&#39;, 10), (&#39;ipad&#39;, 40), (&#39;itouch&#39;, 50)]) 
print wr()

로그인 후 복사

복권 및 게임 장비 폭발 문제를 해결하기 위한 Python의 가중치 난수 사용과 관련된 더 많은 기사를 보려면 PHP 중국어 웹사이트를 주목하세요! >

본 웹사이트의 성명

본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.

핫 AI 도구

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

AI 옷 제거제

AI Hentai Generator

AI Hentai를 무료로 생성하십시오.

뜨거운 도구

메모장++7.3.1

사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전

중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기

강력한 PHP 통합 개발 환경

드림위버 CS6

시각적 웹 개발 도구

SublimeText3 Mac 버전

신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제

Gmail 이메일의 로그인 입구는 어디에 있나요?

7343

자바 튜토리얼

1627

Cakephp 튜토리얼

1352

라라벨 튜토리얼

1265

PHP 튜토리얼

1210

Related knowledge

Python을 사용하여 텍스트 파일의 ZIPF 배포를 찾는 방법 Mar 05, 2025 am 09:58 AM

이 튜토리얼은 Python을 사용하여 Zipf의 법칙의 통계 개념을 처리하는 방법을 보여주고 법을 처리 할 때 Python의 읽기 및 대형 텍스트 파일을 정렬하는 효율성을 보여줍니다. ZIPF 분포라는 용어가 무엇을 의미하는지 궁금 할 것입니다. 이 용어를 이해하려면 먼저 Zipf의 법칙을 정의해야합니다. 걱정하지 마세요. 지침을 단순화하려고 노력할 것입니다. Zipf의 법칙 Zipf의 법칙은 단순히 : 큰 자연어 코퍼스에서 가장 자주 발생하는 단어는 두 번째 빈번한 단어, 세 번째 빈번한 단어보다 세 번, 네 번째 빈번한 단어 등 4 배나 자주 발생합니다. 예를 살펴 보겠습니다. 미국 영어로 브라운 코퍼스를 보면 가장 빈번한 단어는 "TH입니다.

파이썬의 이미지 필터링 Mar 03, 2025 am 09:44 AM

시끄러운 이미지를 다루는 것은 특히 휴대폰 또는 저해상도 카메라 사진에서 일반적인 문제입니다. 이 튜토리얼은 OpenCV를 사용 하여이 문제를 해결하기 위해 Python의 이미지 필터링 기술을 탐구합니다. 이미지 필터링 : 강력한 도구 이미지 필터

HTML을 구문 분석하기 위해 아름다운 수프를 어떻게 사용합니까? Mar 10, 2025 pm 06:54 PM

이 기사에서는 HTML을 구문 분석하기 위해 파이썬 라이브러리 인 아름다운 수프를 사용하는 방법을 설명합니다. 데이터 추출, 다양한 HTML 구조 및 오류 처리 및 대안 (SEL과 같은 Find (), find_all (), select () 및 get_text ()와 같은 일반적인 방법을 자세히 설명합니다.

파이썬의 병렬 및 동시 프로그래밍 소개 Mar 03, 2025 am 10:32 AM

데이터 과학 및 처리가 가장 좋아하는 Python은 고성능 컴퓨팅을위한 풍부한 생태계를 제공합니다. 그러나 Python의 병렬 프로그래밍은 독특한 과제를 제시합니다. 이 튜토리얼은 이러한 과제를 탐구하며 전 세계 해석에 중점을 둡니다.

Tensorflow 또는 Pytorch로 딥 러닝을 수행하는 방법은 무엇입니까? Mar 10, 2025 pm 06:52 PM

이 기사는 딥 러닝을 위해 텐서 플로와 Pytorch를 비교합니다. 데이터 준비, 모델 구축, 교육, 평가 및 배포와 관련된 단계에 대해 자세히 설명합니다. 프레임 워크, 특히 계산 포도와 관련하여 주요 차이점

파이썬에서 자신의 데이터 구조를 구현하는 방법 Mar 03, 2025 am 09:28 AM

이 튜토리얼은 Python 3에서 사용자 정의 파이프 라인 데이터 구조를 작성하여 클래스 및 작업자 과부하를 활용하여 향상된 기능을 보여줍니다. 파이프 라인의 유연성은 일련의 기능을 데이터 세트, GE에 적용하는 능력에 있습니다.

파이썬 객체의 직렬화 및 사제화 : 1 부 Mar 08, 2025 am 09:39 AM

파이썬 객체의 직렬화 및 사막화는 사소한 프로그램의 주요 측면입니다. 무언가를 Python 파일에 저장하면 구성 파일을 읽거나 HTTP 요청에 응답하는 경우 객체 직렬화 및 사태화를 수행합니다. 어떤 의미에서, 직렬화와 사제화는 세계에서 가장 지루한 것들입니다. 이 모든 형식과 프로토콜에 대해 누가 걱정합니까? 일부 파이썬 객체를 지속하거나 스트리밍하여 나중에 완전히 검색하려고합니다. 이것은 세상을 개념적 차원에서 볼 수있는 좋은 방법입니다. 그러나 실제 수준에서 선택한 직렬화 체계, 형식 또는 프로토콜은 속도, 보안, 유지 보수 상태 및 프로그램의 기타 측면을 결정할 수 있습니다.

파이썬의 수학 모듈 : 통계 Mar 09, 2025 am 11:40 AM

Python의 통계 모듈은 강력한 데이터 통계 분석 기능을 제공하여 생물 통계 및 비즈니스 분석과 같은 데이터의 전반적인 특성을 빠르게 이해할 수 있도록 도와줍니다. 데이터 포인트를 하나씩 보는 대신 평균 또는 분산과 같은 통계를보고 무시할 수있는 원래 데이터에서 트렌드와 기능을 발견하고 대형 데이터 세트를보다 쉽고 효과적으로 비교하십시오. 이 튜토리얼은 평균을 계산하고 데이터 세트의 분산 정도를 측정하는 방법을 설명합니다. 달리 명시되지 않는 한,이 모듈의 모든 함수는 단순히 평균을 합산하는 대신 평균 () 함수의 계산을 지원합니다. 부동 소수점 번호도 사용할 수 있습니다. 무작위로 가져옵니다 수입 통계 Fracti에서

See all articles