Question

我需要能够从包含m元素的地图中删除n元素，只能访问迭代器。我可以简单地迭代字典一次，并以概率m/n删除所有元素，但这可能会驱逐多于或少于m个项目（尽管预期项目已删除是正确的m）。

int m = 10;
int n = map.size();

Iterator<K> keys = map.keySet().iterator();
while (keys.hasNext()) {
    keys.next();
    if (random.nextDouble() < m / (double) n) {
        keys.remove();
    }
}

我一直在考虑的解决方案是在m元素被驱逐后简单地停止驱逐元素，并且在迭代结束时，如果evicted < m元素被驱逐，则驱逐剩余的m - evicted元素。第二次迭代中的{1}}个元素。我担心第二次传球在概率上是不正确的。

int m = 10;
int n = size();
int evicted = 0;

outer: while (evicted < m) {

Iterator<K> keys = keySet().iterator();
while (keys.hasNext()) {
    keys.next();
    if (random.nextDouble() < m / (double) n) {
        keys.remove();

        if (++evicted == m) {
            break outer;
        }
    }
}

或者，我可以保留一个键列表并用一次迭代对列表进行存储 - 并删除m键列表中的所有键，但是有一些内存开销我宁愿不被迫使用。此外，使用迭代器删除比通过键删除元素更快（它需要找到密钥存储在其中的存储桶，然后在列表中的位置）。是否有另一种在线算法我只能访问迭代器（不创建单独的列表）？

编辑：对于有兴趣的人，我发现了一篇详细说明如何按顺序生成随机发布的论文，以便不需要单独的排序步骤。代码是这样的（截断为整数时可能包含重复项）：

int curmax = 1.0; int[] indices = new int[m]; for (int i = indices.length; i >= 0; i--) { curmax = curmax * Math.pow(random.nextDouble(), 1 / (double) (i+1)); indices[i] = (int) curmax; }

Answer 1

为什么不先驱逐第一个 M 元素然后停止迭代器？迭代器中是否有一些反映会对被驱逐元素产生不必要的偏差？

如果是的话，你的双程方式将在统计上完美无瑕。如果第一遍通过提前终止，因为在到达迭代结束之前到达了 M ，则后来的元素从未考虑过驱逐。

如果你在没有驱逐 M 元素的情况下到达迭代的末尾，迭代的第一个元素将“冒险”驱逐两次，而在迭代结束时的那些将冒险驱逐一次

如果你事先知道 N ，你可以在0到N之间建立一个 M 随机，非重复数字的列表。迭代一次，保持计数在哪里你在迭代中。如果迭代编号在您的“驱逐列表”中，则逐出该元素。

遵循该方法，您必须暂时为 M 索引位置（可能是整数）分配内存，以用于迭代过程。

Answer 2

执行此操作的正确方法是以概率m / n删除每个元素，但根据结果重新规范概率（如果我们删除元素，则减少m，并且当前概率需要按元素数量缩放）可供选择）。我的java有点生疏，我无法访问编译器，所以请原谅我，如果这不起作用（但你应该能够解决它而不会有太多的麻烦我希望）：

int seen = 0

Iterator<K> keys = map.keySet().iterator();
while (keys.hasNext()) {
    if (m==0)
      break;

    keys.next();
    prob = m / (double)(n-seen)  //renormalise the prob so that the total available is 1 across all remaining instances
    if (random.nextDouble() < prob) {
        keys.remove();
        m--;
    }
    seen++;
}

我希望这里的逻辑是清楚的 - 这是如何从概率为1 / n的集合中对一个元素进行采样的概括，其中一旦你拒绝了一个元素，你就可以忽略它并考虑所有元素的分布剩下的元素。这应该确保您准确地返回具有正确概率的m个元素。

修改：

修正了一些拼写错误并删除了冗余变量。

随机驱逐地图值

2 个答案: