Reversoir sampling

1.背景

最近Leetcode上答题时，遇到了Reservoir sampling 算法。挺有趣的。记录一下。

首先说一下，遇到的题目：

Given a singly linked list, return a random node's value from the linked list. Each node must have the same probability of being chosen.

根据上面的题目，我们立即可以想到，将linked list所有元素放入ArrayList中，然后用一个随机数，取出某一个元素。Bingo！问题解决。

不过，当题目中的Linkedlist中Node数目非常庞大时，也许上亿，那么怎么办，如果将所有元素放入内存之后，内存会耗光。

（工作中，当数据量级变大时，处理的方法，也要随之变化）

我们可以是使用蓄水池算法（reservoir sampling）来解决。

 

2.什么是reservoir sampling

它就是解决一个随机采样的问题。它很简单，常见，但是，非常慢。

下面是它的算法：

(* S has items to sample, R will contain the result *)
ReservoirSample(S[1..n], R[1..k])
  // fill the reservoir array
  for i := 1 to k
      R[i] := S[i]

  // replace elements with gradually decreasing probability
  for i := k+1 to n
    (* randomInteger(a, b) generates a uniform integer from the inclusive range {a, ..., b} *)
    j := randomInteger(1, i)
    if j <= k
        R[j] := S[i]

时间复杂度：， 空间复杂度为 1.

接下来，是我对上面算法的推导（为什么这个算法可以确保每个元素被取出的概率是一样的）：

（短短的几行推导，我也是花了些时间才弄懂得，惭愧。但是，要感谢自己，感谢自己没有放弃。）

 

这个算法最大的问题是，如果数据量非常大的话，那么你惨了，你要等好久，才能等到算法执行完毕。

wiki中，还给出了许多优化，优化的算法，有兴趣的可以深入研究。

 

References：

https://en.wikipedia.org/wiki/Reservoir_sampling

https://leetcode.com/problems/linked-list-random-node/