我们有按钮。用户点击该按钮并接收action1
或action2
依赖变量percent_to_action2
(从0到100)。给他action1
或action2
的最简单方法是基于rand() % 100
并与percent_to_action2
进行比较。
但问题是如果例如。 perfect_to_action = 50
无法保证在第一个随机action1
用户获得action2
后(通过rand())。我正在寻找避免许多重复行动的方法。请建议如何更准确地计算考虑上一个事件/或所有事件。以及示例和评论。目标是避免rund()可以提供过多的重复操作。例如,百分比= 50兰德()可以给出10/10 action2!
PS。 perfect_to_action
可以随时更改
PPS。对不起我英语。
我的代码:
int num_rand = (rand() % 100 ) + 1; // from 1 to 100
if ( num_rand <= current_percent_to_action2 )
{
// action 1
} else {} // action2
我想要的例子:
%= 50: action1比action2比action1比action2等。
%= 33: (首先是兰特) 如果第一个action1比action1比action2比action1比action1而不是action2等。
答案 0 :(得分:1)
static unsigned num_action_1 = 1;
static unsigned num_action_2 = 1;
double bias = double(num_action_2)/num_action_1;
double randomchance = 1.0-current_percent_to_action2/100.0;
double action_1_cutoff = RAND_MAX*randomchance*bias;
if ( rand() <= action_1_cutoff ) {
// action 1
++num_action_1;
} else {
// action2
++num_action_2;
}
这会使随机性偏向不常发生的选项。我也改变了它,因此动作2将大约current_percent_to_action2
%的时间发生,而不是代码中的动作1。正如您在此图表中看到的那样,它增加了很多复杂性,但您获得不平衡结果的可能性要小得多。从长远来看,这些最终几乎完全相同,两者最终会连续10个字符串,这个代码开始的时间更加均匀。
times #1 Even distribution Biased distribution
1 50% 50%
2 25% 8.3%
3 12.5% 3.125%
4 6.25% 1.25%
5 3.13% 0.52%
6 1.56% 0.22%
7 0.78% 0.09%
8 0.39% 0.04%
9 0.20% 0.02%
10 0.10% 0.01%
答案 1 :(得分:0)
如果您不希望重复操作,您可以a)从所有选择中选择最后一个操作,或者b)选择您现在的操作,但继续重新选择,直到您获得除上一个操作之外的其他操作。后者更容易做,但速度较慢(可能慢了很多)。