随机选择与最近的先前选择加权答案

【问题标题】：Random selection weighted against recent previous selections随机选择与最近的先前选择加权
【发布时间】：2010-12-15 15:03:33
【问题描述】：

我想选择列表中的一个元素，其中每个元素的权重是自上次选择以来的时长。

我可以制作一个 LRU（最近最少使用）列表，并根据队列中的位置对函数进行加权，这会很优雅，除了最初所有元素的权重应该相等。

在选择权重后仅将权重减去或除以一定数量在直觉上似乎并不正确。有没有更好的方法可能使用对数或倒数等数学概念？（不是我的强项）

【问题讨论】：

标签： random selection lru weighting

【解决方案1】：

这样的事情怎么样：

让n = 元素数量，list = 元素数组，watermark := 0。

r := random()
i := floor(r * n)

if i >= watermark :
    index := i
    watermark := watermark + 1  // weighted part grows
else :
    index := floor(weight(r * n / watermark) * watermark)
endif

move list[index] to list[0]     // shifting elements list[0..index-1] up one place
result := list[0]

这里我们将列表分为两部分，加权和统一，边界由watermark 跟踪。最初加权部分是空的，但逐渐增长，最终消耗整个列表。

random() 是一个返回 [0.0, 1.0) 中的随机数的函数。

weight(x) 是一个从 [0.0, 1.0) 到 [0.0, 1.0) 的函数，它定义了所需的加权行为。

weight() 的参数“r * n / watermark”用于规范化参数范围。对于某些加权函数的选择，可能不需要这种归一化。

【讨论】：

atzz 我要试试你的算法，看看效果如何，谢谢！
@hippietrail - 不客气！请告诉我它是怎么做的，我也很感兴趣:)
我担心的一件事是，如果列表变得庞大，我可能会在每次选择后使用大量 CPU 重新计算“断点”，而使用严格的 LRU 和权重作为这些断点在队列中的位置永远不会改变。
@hippietrail - 我认为这里最复杂的操作是列表修改，即 O(n)。但是也需要维护简单的 LRU，不是吗？ “水印”只是一个简单的整数，它不应该影响任何东西。