Alias Method（别名采样法）

目录

• Alias Method
  • 举例验证：
  • 采样过程（对照你的话）：
  • 一句话精确定义：

Alias Method

Alias Method‌（别名采样法）是一种用于从‌离散概率分布‌中进行‌高效随机采样‌的算法，其核心优势在于‌采样时间复杂度为 O(1)‌，适用于需要高频采样的场景，如游戏掉落系统、推荐系统候选集筛选、蒙特卡洛模拟等。

// 当前实现
public static <T> T weightRandom(Map<T, Integer> map) {
    int total = 0;
    for (Map.Entry<T, Integer> entry : map.entrySet()) {
        total += entry.getValue();
    }
    if (total <= 0) {
        return null;
    }
    int key = 0;
    int random = nextInt(total);
    for (Map.Entry<T, Integer> entry : map.entrySet()) {
        key += entry.getValue();
        if (key > random) {
            return entry.getKey();
        }
    }
    return null;
}

优缺点对比

方法	预处理	查询	适用场景
当前实现	O(1)	O(n)	元素少、权重频繁变化
Alias Method	O(n)	O(1)	元素多、权重固定或少变
前缀和+二分	O(n)	O(log n)	中等规模、需要动态更新

总结：Alias Method 通过巧妙的数学变换，将加权随机问题转化为两次均匀随机，实现了真正的 O(1) 查询，非常适合游戏掉落、抽奖等高频调用场景！

核心就是把大概率的多出来的概率，补给低概率的，低概率的随机到时，再去随机一次，看实际是给低概率和高概率

举例验证：

原始：A(0.2), B(0.4), C(0.4)
n=3, q=[0.6, 1.2, 1.2]

构造后（你的直觉）：

• A 缺一点，B 多出来补给 A
• B 还多，再补给 C

Alias 表：

列	主项	概率(主项)	别名
1	A	0.6	B
2	B	0.8	C
3	C	1.0	(无)

---

采样过程（对照你的话）：

• 均匀随机选一列（比如列 1 → 主项 A）
• 再去随机一次（随机数 r）
  • 如果 r ≤ 0.6 → 返回 A
  • 否则 → 返回 B

这正是你说的：低概率的（A这一列）随机到时→ 再去随机一次，看实际是给低概率(A)还是高概率(B)。

一句话精确定义：

Alias Method = 将 n 项概率分布摊成 n 个“一个主项 + 一个别名”的二分选择，使得总权重每列=1，然后通过 2 次随机选择（一次选列，一次选主项/别名）实现 O(1) 采样。