这是一个问题：我有随机整数说count = M，它们需要在N桶中平均分配（或大致相等）。
如果我要为M和N指定一个范围，则N大约为10000，M可能为100到500万。
到目前为止，这看起来像是一个小的哈希问题。但这是进一步使其复杂化的原因。因此这些数字在计数中是M，但它们应逐步考虑，所以说最初你有X没有。整数，你平均分配它们然后Y没有。整数是可用的更多，所以你再次分发它们，然后Z没有。可以得到整数（X + Y + Z = M）。
也特别没有。应该以他们的桶没有的方式分发。可以有效地搜索。
到目前为止，我想到了几种方法，但它们中的任何一种都无法接近均等分布。
1）有桶没有。因此，最大N为500万。平均分配意味着500个桶，因此通过创建500个桶开始。他们最终会平等满满。但是这也有最终的情况，可以很脏处理。 2）根据当前可用的尺寸（X然后在X + Y然后是M）具有铲斗尺寸，如果是完全重新加工则增加否。水桶在我的用例中，这可能是一项代价高昂的练习，并希望避免使用它。 3）以某种方式试图适应Bin Packing问题。但它并不容易告诉我整数将进入的bin是什么。 要记住的一个显而易见的事情是，因为这些是随机的，如果计数是100,000个nos之一。也可能是500,000。
您推荐什么方法？如果需要，我可以稍后提供用例。
答案 0 :(得分：9)
你已经过时了。整数是随机的，因此不需要思考。如果整数不是随机的，那么我们可能不得不想出一个哈希算法。
只要整数的范围合理地大于桶的数量，只需用桶的数量模数将它们分配给它们的桶。
像这样：
void assignToBucket( int r )
{
bucket[ r % NUM_BUCKETS ].add( r );
}
尝试插入的数量无关紧要 - 或者它们是一次性进入还是多次进入。只要流是随机的，那么模数将确保它们大致均匀地分布在桶中。
如果每个r的范围接近桶的数量，则不起作用。也就是说，如果每个r都是0-7并且有6个桶，它将不会均匀分布。并且它不适用于非随机流。
对于具有非随机分布的流，您需要了解有关分布的信息才能创建正确的散列函数。
答案 1 :(得分：1)
听起来你不必要地复杂化了这一点，但很难说出你在问什么。这听起来很像一个球和箱子问题，检查this，看看它是否适用，以及你是否可以用更正式的方式描述你想要的东西。