Implementazione di opensource del metodo alias [chiuso]
-
02-07-2019 - |
Domanda
Al momento sto facendo un progetto e, nell'interesse del riutilizzo del codice, sono andato alla ricerca di una libreria in grado di eseguire alcune accettazioni / scarti probabilistici di un elemento:
cioè, ci sono tre persone (a, b c) e ognuna di esse ha una probabilità P {i} di ottenere un oggetto, dove p {a} indica la probabilità di a. Queste probabilità sono calcolate in fase di esecuzione e non possono essere codificate.
Quello che volevo fare è generare un numero casuale (per un oggetto) e calcolare chi ottiene quell'oggetto in base alla probabilità di ottenerlo. Il metodo alias ( http: // books.google.com/books?pg=PA133&dq=alias+method+walker&ei=D4ORR8ncFYuWtgOslpVE&sig=TjEThBUa4odbGJmjyF4daF1AKF4&id=ERSSDBDcYOIC& se esiste un'implementazione già pronta, quindi non dovrei scriverla.
Soluzione
Farebbe qualcosa del genere? Metti tutti i p {i} nell'array, la funzione restituirà un indice alla persona che ottiene l'oggetto. Esegue in O (n).
public int selectPerson(float[] probabilies, Random r) {
float t = r.nextFloat();
float p = 0.0f;
for (int i = 0; i < probabilies.length; i++) {
p += probabilies[i];
if (t < p) {
return i;
}
}
// We should not end up here if probabilities are normalized properly (sum up to one)
return probabilies.length - 1;
}
EDIT: non l'ho ancora provato. Il mio punto era che la funzione che hai descritto non è molto complicata (se ho capito cosa intendevi correttamente, cioè) e non dovresti scaricare una libreria per risolverlo.
Altri suggerimenti
Ecco un'implementazione di Ruby: https://github.com/cantino/walker_method
Ho appena provato il metodo sopra - non è perfetto, ma suppongo che per i miei scopi dovrebbe essere sufficiente. (codice in groovy, incollato in un unit test ...)
void test() {
for (int i = 0; i < 10; i++) {
once()
}
}
private def once() {
def double[] probs = [1 / 11, 2 / 11, 3 / 11, 1 / 11, 2 / 11, 2 / 11]
def int[] whoCounts = new int[probs.length]
def Random r = new Random()
def int who
int TIMES = 1000000
for (int i = 0; i < TIMES; i++) {
who = selectPerson(probs, r.nextDouble())
whoCounts[who]++
}
for (int j = 0; j < probs.length; j++) {
System.out.printf(" %10f ", (probs[j] - (whoCounts[j] / TIMES)))
}
println ""
}
public int selectPerson(double[] probabilies, double r) {
double t = r
double p = 0.0f;
for (int i = 0; i < probabilies.length; i++) {
p += probabilies[i];
if (t < p) {
return i;
}
}
return probabilies.length - 1;
}
outputs: the difference betweenn the probability, and the actual count/total
obtained over ten 1,000,000 runs:
-0.000009 0.000027 0.000149 -0.000125 0.000371 -0.000414
-0.000212 -0.000346 -0.000396 0.000013 0.000808 0.000132
0.000326 0.000231 -0.000113 0.000040 -0.000071 -0.000414
0.000236 0.000390 -0.000733 -0.000368 0.000086 0.000388
-0.000202 -0.000473 -0.000250 0.000101 -0.000140 0.000963
0.000076 0.000487 -0.000106 -0.000044 0.000095 -0.000509
0.000295 0.000117 -0.000545 -0.000112 -0.000062 0.000306
-0.000584 0.000651 0.000191 0.000280 -0.000358 -0.000181
-0.000334 -0.000043 0.000484 -0.000156 0.000420 -0.000372