根据cppreference.com std::discrete_distribution界面要求库开发人员实施probabilities()和template<class Generator> result_type operator()(Generator& g, const param_type& params);。后者未在cppreference.com上记录，但根据libc++ implementation，它允许用户从给定的权重序列的子序列中进行采样（并使用传递的生成器作为另一个生成器的熵源，但它不相关现在）。我已阅读N3551（关于std::discrete_distribution的唯一可提出的提案），并且它没有为std::discrete_distribution提供此类界面的任何理由。
问题是这样的接口只允许一个合理的实现，称为"roulette wheel selection"（需要一次调用随机数生成器和O(log(N))数组查找进行二分查找）。另一种算法，称为"alias method"（需要两次调用随机数生成器和一次数组查找），不能用于实现此接口（如果我们将存储相应的，probabilities()可以实现单独数组中的概率，但它有点不公平和低效:)，因为如果需要从子序列中进行采样，则不能使用别名方法。
答案 0 :(得分：2)
对于给定随机分布构造参数对象的成本，以及其内部表示的性质，没有要求。或其他任何东西。特别地，参数对象不必是并且通常不仅仅是其构造参数的向量。构造参数对象必须执行任何必要的预计算/预处理，以便稍后生成分布。 （这不仅适用于discrete_distribution。有许多分布，其自然参数需要预先计算步骤的非平凡成本。）
为了实现“轮盘赌”算法，参数对象构造函数必须将参数转换为累积分布函数（CDF）。但是，该参数对象没有用，因为正如您所说，它预计每次调用的执行时间为O（log n），标准需要分摊O（1）。可以使用替代随机算法，它具有随机O（1）时间，我认为这是合格的;它还需要对参数进行O（n）预处理步骤，以便提取最大值。
别名方法，在我看来是最优的，需要更复杂的O（n）预处理步骤，但正如我之前所说，对参数对象的构造成本没有要求。 （计算出的别名概率对象的大小也是O（n）;我使用的实现将n舍入为2的幂，因此它的最坏情况大小小于32n字节。我没有查看任何标准库实现。）
顺便说一下，别名方法不需要两个PRNG调用。用一个实现它是很常见的：给定n个可能的结果，你将PRNG的范围分成n个不连续的部分（这就是为什么我将n舍入为2的幂）;每个片段的阈值基于原始随机数。如果使用模数运算符划分为离散片段，则阈值与可能的随机数的整个范围成比例;如果除法是按范围划分的，则阈值与框的大小成比例，并由框的原点偏移。无论哪种方式，相同的随机数用于选择一个框，然后选择两个别名之一，生成函数大致包括：
auto r = prng();
size_t b = box_select(r);
return r > threshold[b] ? alias1[b] : alias2[b];
这不仅仅是摊销O（1）;它是O（1）。所以它符合所有要求。