对于实验，我需要伪随机化100个刺激类别试验的载体，其中80％是A类，10％B和10％C.B试验在每个试验之间至少有两个非B试验另外，C试验必须在两次A试验后进行，然后进行两次A试验。
起初我尝试构建一个脚本，随机化一个向量，然后“弹出”那些不应该在那里的试验，然后将它们放在载体的空间中，那里有一系列A试验。我担心这会过于复杂，并会产生一系列无法预料的错误，需要调试，而且不够随意。
之后我尝试构建一个脚本，它简单地将向量混洗，直到达到标准，这似乎需要更少的代码。但是现在我已经花了几个小时的时间，我想知道这些标准是否对此没有太严格意义，这意味着在实际符合标准之前，向量需要进行洗牌。
您认为处理此问题的最简单方法是什么？另外，这是最好的随机播放功能，因为在心理工具箱中的Shuffle似乎无法正常工作？
答案 0 :(得分：0)
这个问题的范围远远超出特定于语言的结构，并且涉及对概率和排列/组合的良好理解。
解决这个问题的方法是：
由于类别A没有施加约束，我们将转到下一个类别。
类别C的唯一约束是它必须在前后有两个A。因此，我们首先创建5个向量的随机组，模式为A A C A A。
此时，我们有一组A向量（不包括块），A A C A A向量块和B向量。
B上的约束是两个连续的B必须在它们之间至少有2个非B个向量。
可视化如下：让我们在一个数组A中汇集A A C A A和X。让我们将所有B放在一行（假设有3 B s）：
s0 B s1 B s2 B s3
其中s是每个B之间的向量数。因此，我们要求s1，s2至少为2，整体s0 + s1 + s2 + s3等于X中的向量数。
然后，任务是从X中选择随机向量并将它们分配给每个s。最后，我们最终得到一个随机向量，所有类别都被洗牌，满足约束条件。
P.S。这可以映射到查找一组随机数的经典问题，这些随机数与约束相加。
将约束和问题减少到没有约束的问题更容易。这可以这样做：
s0 B s1 t1 B s2 t2 B s3
从t1中选择t2和X只是为了满足B的约束，而s0 + s1 + s2 + s3等于X中的向量数量而不是{{1} }}
在MATLAB中实现相同可以从使用单元格数组中受益，并且this algorithm用于常数和的随机数。
您还需要为每个类别维护单独的池，并保留构建块并将它们组合在一起。
真的，这不是微不足道的，但也不是不可能的。这是您可以尝试的方法，如果您想要像之前尝试的那样退出强力搜索。