通过采样而不替换旧向量来填充新向量

Question

在 C++ 中是否有一种无需替换的良好且高效的采样算法，可以轻松应用于以下函数？

它需要两个向量，new 和 old，并通过从前者重复采样将后者填充到一个循环中（rng.i0 是一个随机数生成器函数，我使用它返回一个介于 0 和给定值）。

void diluationexpansionstep(std::vector<long> &oldpopulation,
                            std::vector<long> &newpopulation,
                            long newpopsize)
{
    for (int i = 1; i <= newpopsize;i++) {
        int index_a = rng.i0(oldpopulation.size());
        newpopulation.push_back(oldpopulation[index_a]);
    }
}

更新::

感谢您提供有用的回复。因为我想使用我自己的 RNG 而不是 C++ 中的内置 RNG，所以我最终构建了以下基于 Fisher Yates 的函数，其中 rng.i0 是一个返回 0 和整数参数之间的随机整数的函数。

void FisherYatesShuffle(vector<long> &indices){
    for (int k = 0; k < indices.size(); k++) {
        int r = k + rng.i0(indices.size()-k);
        swap(indices[k], indices[r]);
        }
    }

void diluationexpansionstep(std::vector<long> &oldpopulation,
                            std::vector<long> &newpopulation,
                            long newpopsize){
    vector<long> indices(oldpopulation.size());
    std::iota(std::begin(indices),std::end(indices),0);
    FisherYatesShuffle(indices);
    for (int i = 0; i <= newpopsize-1;i++){
        newpopulation.push_back(oldpopulation[indices[i]]);
        }
    }

据我所知，这项工作可以准确而合理地快速完成。

Answer 1

使用来自<algorithm> 的std::random_shuffle 来最小化开发人员时间和最大化正确性的“良好且高效”的算法：

#include <algorithm>
#include <cassert>
#include <iostream>
#include <vector>

using namespace std;

vector<long> random_sample_without_replacement(const vector<long>& source, int newpopsize)
{
    assert(newpopsize >= 0 && newpopsize <= source.size());
    auto result { source };
    std::random_shuffle(result.begin(), result.end());
    result.resize(newpopsize);
    return result;
}

int main() {
    vector<long> test { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 };
    auto result { random_sample_without_replacement(test, 5) };
    for (auto& e : result) cout << e << " ";
    cout << endl;
    return 0;
}

Working example here.