有这样一道算法题：

给定一个能够生成均匀1~5随机枚举数的函数，请设计一个能够生成均匀1~7随机枚举数的函数。

就是说，有一个生成随机数的函数rand5，可能返回1、2、3、4、5这5个枚举值，其中每个值被返回的概率都是严格的1/5，现在需要设计一个类似的随机数函数rand7，可能返回1、2、3、4、5、6、7这几个枚举值，每个值被返回的概率都是严格的1/7。

先掩卷思考，脑海中浮现的思路包括：

• 调用rand5的结果除以5，再乘以7，这样的结果范围为7/5~7，并非所希望的结果；
• 反复调用rand5函数7次，结果再除以5，这样的结果范围为也为7/5 ~ 7，并非所希望的结果。

如果题目反过来呢，已知rand7，求rand5呢？

那我可以先调用rand7，看看结果，如果结果为1~5，直接返回；如果结果为6、7，继续重试不就得了？

那再回到现实，怎么根据rand5求rand7？

• 如果rand5 * 2的结果，范围是2~10，用上面类似的办法只能得到2~7的值，无法得到1，不合题意。

但是依然得到了一种启发，调用一次rand5，结果的各种可能性有5种，要映射到rand7的7种结果可能性，是不现实的。但是如果扔两次，在不考虑去重的情况下，结果有5*5=25种可能，用某种方式映射并保留那最终的7种可能性，却是一个值得去尝试的思路。

想到了5*5，于是尝试建立二维数组arr[5][5]，那么数组的每一个元素都可以表示一种结果的可能性，在数组中取前7个元素，分别映射到1~7：

[1, 2, 3, 4, 5]
[6, 7, 0, 0, 0]
[0, 0, 0, 0, 0]
[0, 0, 0, 0, 0]
[0, 0, 0, 0, 0]

于是调用rand5两次，分别得到横坐标i和纵坐标j，如果arr[i][j]>0，则保留，否则重试。

这样的方法还不完美，因为25个数里面只有7个是有效的，大部分情况下都只能重试了，效率太低。

于是，在这个二维数组里面不止保留前7位，而是尽可能多地保留了所有7的完整倍数：

[1, 2, 3, 4, 5]
[6, 7, 1, 2, 3]
[4, 5, 6, 7, 1]
[2, 3, 4, 5, 6]
[7, 0, 0, 0, 0]

这样一来，大部分情况下，都会命中大于0的元素。

那就写出代码：

public class R {
	private static Random random = new Random();
	private static int[][] arr = new int[][]{
		{1,2,3,4,5},
		{6,7,1,2,3},
		{4,5,6,7,1},
		{2,3,4,5,6},
		{7,0,0,0,0}
	};

	public static int rand5(){
		random.setSeed(System.nanoTime());
		return random.nextInt(5) + 1;
	}
	
	public static int rand7() {
		int i = rand5() - 1;
		int j = rand5() - 1;
		
		if (i == 4 && j >= 1)
			return rand7();

		return arr[i][j];
	}
}

再写个main函数测试一下：

Map counter = new HashMap();

for (int i = 0; i < 10000000; i++) {
	int key = rand7();
	Integer val = counter.get(key);
	if (null == val)
		val = 0;
	val++;
	counter.put(key, val);
}

for (Map.Entry entry : counter.entrySet()) {
	System.out.println(entry.getKey() + ": " + entry.getValue());
}

重复测试一千万次，但是从结果看，分布却并不足够随机：

1: 1476605
2: 1764393
3: 1274549
4: 1219960
5: 1454842
6: 1425833
7: 1383818

重复测试了几次，都是输出2的情况居多。就这个数据量而言，我觉得这不是巧合。

为了让这个可能的差异更加明显，我把从rand5求rand7改成了从rand2求rand3：

public class R {
	private static Random random = new Random();
	private static int[][] arr = new int[2][2];
	static {
		arr[0][0] = 1;
		arr[0][1] = 2;
		arr[1][0] = 3;
		arr[1][1] = 0;
	}

	public static int rand2(){
		random.setSeed(System.nanoTime());
		return random.nextInt(2) + 1;
	}
	
	public static int rand3() {
		int i = rand2() - 1;
		int j = rand2() - 1;

		if (i == 1 && j == 1)
			return rand3();

		return arr[i][j];
	}
}

再同样测试一千万次，结果却大跌眼镜：

One: 5043264
Two: 2472499
Three: 2484237

居然有一倍的差异。

怎么回事呢？我开始怀疑Java的这个伪随机函数得出的结果（在计算机的世界里要实现绝对随机是不可能的）不足够随机，于是写了个程序调用一千万次Java的伪随机函数来看结果：

Map counter = new HashMap();

for (int i = 0; i < 10000000; i++) {
	random.setSeed(System.nanoTime());
	int key = random.nextInt(7) + 1;
	
	Integer val = counter.get(key);
	if (null == val)
		val = 0;
	val++;
	counter.put(key, val);
}

for (Map.Entry entry : counter.entrySet()) {
	System.out.println(entry.getKey() + ": " + entry.getValue());
}

从结果来看分布非常均匀：

1: 1429576
2: 1425422
3: 1427902
4: 1427424
5: 1429457
6: 1430664
7: 1429555

一下子觉得百思不得其解。

于是我重新审视自己的思路，还是觉得没有什么问题。虽然总结果最初有25个，但是前21个的结果每个得到的可能性都是一致的，最后四个丢掉并重来，继续的测试依然是能保证结果概率均等的。本质上这种方式在统计学上面叫做“Reject Sampling”。

我请教了一下数学家@万精油墨绿，他说思路是没什么问题的，有问题的话，只能是代码的问题。

其实还有一种方法，本质上也是类似的，即根据：

5 * (rand5()-1) + rand5() 

上面这个式子的结果可以得到从1到25所有的结果，并且显而易见这25个结果出现时，这两个rand5()都可以被唯一确定返回值，因此他们出现的概率都是彼此相等的。于是可以根据上面的公式，在结果大于3*7=21的时候重新计算，否则则返回除以7的余数即可：

public class R {
	private static Random random = new Random();

	public static int rand5() {
		random.setSeed(System.nanoTime());
		return random.nextInt(5) + 1;
	}

	public static int rand7() {
		int i = rand5();
		int j = rand5();

		int res = 5 * (i - 1) + j;

		if (res > 21)
			return rand7();

		return res % 7 + 1;
	}
}

同样跑了几次测试，每次测试一千万条数据，这次发现这个偏大的数跑到3上面去了：

1: 1383566
2: 1486463
3: 1748051
4: 1275854
5: 1219712
6: 1451438
7: 1434916

这么一来反而有点开窍的感觉了，我觉得是不是因为Java的伪随机数生成的方法，生成的数不足够随机呢？虽然看起来是随机的，但是那也只是看起来而已。当用“小随机”去生成“大随机”的时候，那些不随机的缺陷被放大了。而比较rand2生成rand3，和rand5生成rand7，明显是前者“放大”的倍数更大，因此最后得出的结果中，“随机性”显得差。

为了进一步检验这种猜想，我开始考虑能否让随机数的种子变化更大。因为目前使用的随机数种子是System.nanoTime()，这个方法看似纳秒，其实也只是：

Returns the current value of the most precise available system timer, in nanoseconds.

我想在我的实验中它远比毫秒精确，但是也只是保证了尽可能精确而已。

那好，要验证或者说部分验证这样的猜想，现在假设这样的猜想是正确的，那么可以得出这样的推论：

1. 如果随机数种子换成System.currentTimeMillis()，也就是说，换成毫秒，那么最后的结果应该是更不随机；
2. 如果我在每次取随机数之前休息几毫秒，使得每两次之间的时间种子差异增大，应该能够看到最终的结果随机性增加。

（注，我测试的版本下JDK对于设置的种子的处理方式是：seed = (seed ^ 0x5DEECE66DL) & ((1L << 48) -1)。）

好吧，现在来验证第一条，为了尽可能使得结果明显，使用rand2生成rand3的那个方案。把使用纳秒作为随机数种子改成使用毫秒作为随机数种子，结果居然是：

One: 10000000
Two: 0
Three: 0

换言之，二维数组中横坐标和纵坐标居然在一千万次测试当中，得到的都是一样的结果，即绝大多数情况下求i和j的操作都在同一个毫秒量级内完成。

现在来验证第二条，在每次取随机数前，休眠3毫秒，当然，这个3毫秒肯定也是不精确的3毫秒。为了在增加休眠时间的情况下，能够在我的耐心时间范围内得到最终结果，我没法测试一千万次了，我的测试用例改成了测试一万次，结果为：

One: 3691
Two: 3103
Three: 3206

果然，分布的均匀性要好了很多。

问题还没完，为了尽可能消除这种种子相似所带来的伪随机性，其实可以只初始化一遍种子，然后在迭代方法内部不断调用Random的nextInt方法就好了，这也是在这种情形下更加合理的使用随机数生成器的方式：

public class R {
	private static Random random = new Random(System.nanoTime());
	private static int[][] arr = new int[][]{
		{1,2,3,4,5},
		{6,7,1,2,3},
		{4,5,6,7,1},
		{2,3,4,5,6},
		{7,0,0,0,0}
	};

	public static int rand5(){
		return random.nextInt(5) + 1;
	}
	
	public static int rand7() {
		int i = rand5() - 1;
		int j = rand5() - 1;
		
		if (i == 4 && j >= 1)
			return rand7();

		return arr[i][j];
	}

	public static void main(String[] args) {
		Map counter = new HashMap();

		for (int i = 0; i < 10000000; i++) {
			int key = rand7();
			Integer val = counter.get(key);
			if (null == val)
				val = 0;
			val++;
			counter.put(key, val);
		}

		for (Map.Entry entry : counter.entrySet()) {
			System.out.println(entry.getKey() + ": " + entry.getValue());
		}
	}
}

这一次，不但分布均匀了，而且执行速度还快了很多：

1: 1428864
2: 1429574
3: 1427055
4: 1429929
5: 1429162
6: 1426933
7: 1428483

还蛮好玩的。

文章未经特殊标明皆为本人原创，未经许可不得用于任何商业用途，转载请保持完整性并注明来源链接《四火的唠叨》