Go语言实现加权随机选择（使用math/rand包构建高效随机算法）

什么是加权随机选择？

普通的随机选择是每个选项被选中的概率相等。而加权随机选择则允许我们为每个选项分配一个“权重”，权重越高的选项被选中的概率越大。例如，A 的权重是 3，B 的权重是 1，那么 A 被选中的概率就是 B 的 3 倍。

准备工作：引入 math/rand 包

首先，确保你已经导入了 Go 的 math/rand 包，并设置好随机种子以保证每次运行结果具有随机性：

package mainimport (    "fmt"    "math/rand"    "time")func init() {    rand.Seed(time.Now().UnixNano())}

注意：从 Go 1.20 开始，rand.Seed 已被弃用，建议使用 rand.New(rand.NewSource(...))。但为了兼容性和教学清晰，本文仍使用经典方式。你也可以根据你的 Go 版本进行调整。

实现加权随机选择

我们定义一个结构体来表示带权重的选项：

type Item struct {    Name   string    Weight int}

接下来，编写核心函数 WeightedRandomSelect，它接收一个 []Item 列表，并返回被选中的 Item：

func WeightedRandomSelect(items []Item) *Item {    if len(items) == 0 {        return nil    }    // 计算总权重    totalWeight := 0    for _, item := range items {        totalWeight += item.Weight    }    // 如果总权重为0，无法选择    if totalWeight <= 0 {        return nil    }    // 生成 [0, totalWeight) 范围内的随机数    r := rand.Intn(totalWeight)    // 累加权重，找到对应区间    cumulative := 0    for i := range items {        cumulative += items[i].Weight        if r < cumulative {            return &items[i]        }    }    // 理论上不会执行到这里    return &items[len(items)-1]}

完整示例代码

下面是一个完整的可运行示例，演示如何使用上述函数进行 加权随机选择：

package mainimport (    "fmt"    "math/rand"    "time")type Item struct {    Name   string    Weight int}func init() {    rand.Seed(time.Now().UnixNano())}func WeightedRandomSelect(items []Item) *Item {    if len(items) == 0 {        return nil    }    totalWeight := 0    for _, item := range items {        totalWeight += item.Weight    }    if totalWeight <= 0 {        return nil    }    r := rand.Intn(totalWeight)    cumulative := 0    for i := range items {        cumulative += items[i].Weight        if r < cumulative {            return &items[i]        }    }    return &items[len(items)-1]}func main() {    items := []Item{        {"一等奖", 1},        {"二等奖", 5},        {"三等奖", 20},        {"谢谢参与", 74},    }    // 模拟10次抽奖    for i := 0; i < 10; i++ {        selected := WeightedRandomSelect(items)        fmt.Printf("第 %d 次抽中: %s\n", i+1, selected.Name)    }}

运行这段代码，你会看到类似如下的输出（每次运行结果不同）：

第 1 次抽中: 谢谢参与第 2 次抽中: 三等奖第 3 次抽中: 谢谢参与第 4 次抽中: 三等奖第 5 次抽中: 谢谢参与第 6 次抽中: 二等奖第 7 次抽中: 谢谢参与第 8 次抽中: 三等奖第 9 次抽中: 谢谢参与第 10 次抽中: 谢谢参与

算法原理简析

该算法的核心思想是“轮盘赌选择”（Roulette Wheel Selection）：

1. 将所有权重累加得到总权重；
2. 在 [0, totalWeight) 范围内生成一个随机整数；
3. 依次累加每个选项的权重，当累加值首次超过随机数时，就选中该选项。

这种方式时间复杂度为 O(n)，适用于大多数中小型数据集。如果数据量极大且对性能要求极高，可以考虑使用二分查找优化到 O(log n)，但这超出了本文的入门范围。

总结

通过本文，你已经学会了如何在 Go语言 中利用 math/rand 包实现 加权随机选择。这项技术广泛应用于游戏开发、营销系统、A/B 测试等领域。掌握它，能让你的程序更智能、更贴近真实世界的概率模型。

记住四个关键词：Go语言、math/rand包、加权随机选择、随机算法——它们是你深入学习和面试中常会遇到的核心概念。

快去动手试试吧！你可以修改权重、增加选项，观察结果的变化，加深理解。