一、逢“几”中奖
逢“几”中奖，即通过预估抽奖人数和奖品数来判断，“几”=(抽奖人数/奖品数)*N。这是一种最简单抽奖算法，适合抽奖人数众多，而且互相无联系的情况。如今大为流行的微博转发得奖就常常使用这种算法，即根据转发次数来决定奖品归属，透明而且具有激励性。
当然这个“几”也不单只次数，还可能是时间，逢某个时间点就可以抽中，不过这种方案可能产生无人中奖和很多人中奖的情况，时间点的安排很关键！这个时间点一旦公布出去，那就是秒杀，霍霍。。
逢“几”中奖有很多弊端，但是非常简单，很容易实现，被很多抽奖活动所采用，有些会公布抽奖规则，激励抽奖，有些则不会公布，其实后台运行的可能也是这个算法，简单高效又不失公平。在信息不透明的情况下，鬼知道你是第几个抽奖的，哈哈。。
二、概率抽奖
所谓概率抽奖是最容易想到的抽奖算法了，这个概率可以是一成不变的，也可以是一直在变化调整的，最难的是采用多大的概率，何种情况下采用何种概率。这个也没有什么通用的方案，不同的应用场景，所用的概率算法不同。下面介绍一种算法，根据奖品的过期日期来计算它当前时间的中奖率，当时间逐渐接近奖品过期时间时，中奖概率会逐渐发生变化，如果设为1表示线性衰减，2为平方衰减，以此类推。
importjava.util.Date; importjava.util.Random; publicclass LotteryTool { private double factor; private double probability; private Random rand; private LotteryTool(double probability, long expireTime, int reduce){ this.factor = (double) System.currentTimeMillis() / expireTime; this.probability = probability * Math.pow(factor, reduce); this.rand = new Random(System.currentTimeMillis()); } public static LotteryTool getInstance(double probability, longexpireTime, int reduce) { return new LotteryTool(probability, expireTime, reduce); } public boolean isLucky(long expected) { long token = generateLong(); expected = expected % (int) (1 / probability); if (expected == token) { return true; } return false; }
三、依赖不可控的物理随机数
什么意思呢，先看个图，看完你就知道了
明白了吧，呵呵，这就是现如今灰常流行的一种抽奖算法，绝对公平、绝对透明、绝对木有暗箱（除非偷偷给你换了抽奖号码）！但是这种方法唯一的缺点是无法实时抽奖，只能事后抽奖。也就是只能拿个抽奖号等着上帝的眷顾，阿门。。。
例如游戏中打败一个boss，会掉落下面其中一个物品，而每个物品都有一定概率： 1. 靴子 20% 2. 披风 25% 3. 饰品 10% 4. 双手剑 5% 5. 金币袋 40% 现在的问题就是如何根据概率掉落一个物品给玩家。
一. 一般算法：生成一个列表，分成几个区间，例如列表长度100，1-20是靴子的区间，21-45是披风的区间等，然后随机从100取出一个数，看落在哪个区间。算法时间复杂度：预处理O(MN)，随机数生成O(1)，空间复杂度O(MN)，其中N代表物品种类，M则由最低概率决定。
二、离散算法：也就是上面的改进，竟然1-20都是靴子，21-45都是披风，那抽象成小于等于20的是靴子，大于20且小于等于45是披风，就变成几个点[20,45,55,60,100]，然后也是从1到99随机取一个数R，按顺序在这些点进行比较，知道找到第一个比R大的数的下标，比一般算法减少占用空间，还可以采用二分法找出R，这样，预处理O(N)，随机数生成O(logN)，空间复杂度O(N)。 请点击查看详细：http://www.cnblogs.com/miloyip/archive/2010/04/21/1717109.html
三、Alias Method Alias Method就不太好理解，实现很巧妙，推荐先看看这篇文章：http://www.keithschwarz.com/darts-dice-coins/ 大致意思：把N种可能性拼装成一个方形（整体），分成N列，每列高度为1且最多两种可能性，可能性抽象为某种颜色，即每列最多有两种颜色，且第n列中必有第n种可能性，这里将第n种可能性称为原色。 想象抛出一个硬币，会落在其中一列，并且是落在列上的一种颜色。这样就得到两个数组：一个记录落在原色的概率是多少，记为Prob数组，另一个记录列上非原色的颜色名称，记为Alias数组，若该列只有原色则记为null。
之前的例子，为了便于演示换成分数 1. 靴子 20% -> 1/4 2. 披风 25% -> 1/5 3. 饰品 10% -> 1/10 4. 双手剑 5% -> 1/20 5. 金币袋 40% -> 2/5 然后每个都乘以5（使每列高度为1），再拼凑成方形 拼凑原则：每次都从大于等于1的方块分出一小块，与小于1的方块合成高度为1
由上图方形可得到两个数组： Prob: [3/4, 1/4, 1/2, 1/4, 1] Alias: [4, 4, 0, 1, null] (记录非原色的下标)
之后就根据Prob和Alias获取其中一个物品 随机产生一列C，再随机产生一个数R，通过与Prob[C]比较，R较大则返回C，反之返回Alias[C]。
Alias Method 复杂度：预处理O(NlogN)，随机数生成O(1)，空间复杂度O(2N)
