我在制定算法时需要帮助。我有一个用python构建的社交网络应用程序，带有redis后端。其中一项功能是广告服务器，广告客户可以使用该广告服务器为网站用户创建和投放广告。
广告客户购买点击次数。每次点击费用不固定。一个广告客户可以支付1美分/点击，另一个可以支付2美分/点击等。广告客户支付的越多，她的广告被显示的概率就越大。即，付费较高的广告客户获得点击更快，其他条件相同。
E.g。想象广告客户1为1000次点击支付10美元，广告客户2为1000次点击支付20美元，广告客户3为1000次点击支付30美元。所有其他情况相同，在每次广告展示时，广告客户1的广告将有1/6的概率出现，广告客户2的广告将有2/6的概率出现和广告客户3的广告将有3/6的概率出现。如果将第四个广告客户添加到组合中，概率将会进行修改。一旦达到广告客户的指定点击次数，就会将其从混合中删除，并再次修改概率。
如何在高效的算法中建模？
在尝试对此进行建模时遇到困难的一个原因是，在添加（或减去）广告客户时，整个系统的概率会得到即时修改。我还没有能够绕过这个;希望专家可以提供帮助。
答案 0 :(得分：1)
作为购买广告位的广告客户，我个人不确定我是否愿意支付广告展示的不确定概率。最接近我能想象到的合理的东西（可能是你想到的），只是保证那些支付相同费率的人获得相同的概率。一个有效的方法是保持支付的费率的累积总和，以给出你的随机范围：
cumsum, rate, company
1, 1, A
2, 1, B
4, 2, C
8, 4, D
如果您生成0到7（或1到8）的随机数，则可以进行二分搜索（O log（n））以确定应显示哪个广告。
如果你让公司按照费率排序，你甚至可能做得比（O log（n））更好......也许
添加和减去公司会相对简单：为公司和费率添加（或减去）一行，然后重新计算cumsum。