其實發這篇博感覺并沒有什么用，太簡單了，會的人不屑看，不會的人自已動動腦子也想到了。但是看著自已的博客已經這么久沒更，真心疼~。粗略算下一篇只有代碼的水文，會占用OSC至少十幾KB的數據庫空間呢，但是，一想到亂彈里的然并卵，也就釋然了。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
|
<?php /** * 概率計算類 * 可用于抽獎等 */class Probability{ /** * 概率統計數據 * thing => chance */ var $data = array(); var $chance_count = 0; function __construct($initdata = array()){ if(!empty($initdata)){ $this->data = $initdata; foreach($initdata as $d){ $this->chance_count += $d['num']; } } } function addData($name, $chance){ $this->data[]=array('name'=>$name, 'num'=>$chance); $this->chance_count += $chance; } function getOne(){ $index = rand(0, $this->chance_count); foreach($this->data as $d){ $index = $index-$d['num']; if($index<=0){ return $d['name']; } } return ''; }} /** * 使用示例 */$pro=new Probability();$pro->addData('iphone',10);$pro->addData('watch',30);$pro->addData('$18',50);$pro->addData('thank you',10);$pro->addData('super big',1);for($i=0;$i<100;$i++){ echo $pro->getOne()."\n";} |
這是一個很經典的概率算法函數：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
function get_rand($proArr) { $result = ''; //概率數組的總概率精度 $proSum = array_sum($proArr); //概率數組循環 foreach ($proArr as $key => $proCur) { $randNum = mt_rand(1, $proSum); //抽取隨機數 if ($randNum <= $proCur) { $result = $key; //得出結果 break; } else { $proSum -= $proCur; } } unset ($proArr); return $result; } |
假設：我們有這樣一個數組：a獎概率20%，b獎概率30%，c獎概率50%
|
1
|
$prize_arr =array('a'=>20,'b'=>30,'c'=>50); |
模擬函數執行過程：
總概率精度為20+30+50=100
第一次數組循環，$procur=20
假設抽取的隨機數rand(1,100)，假設抽到$randNum=55
if判斷-------
如果$randNum<=20,則result=a
否則進入下一循環，總概率精度變為100-20=80
第二次數組循環，$procur=30
假設抽取的隨機數rand(1,80)，假設抽到$randNum=33
if判斷---------
如果$randNum<=30,則result=b
否則進入下一循環，總概率精度變為80-30=50
第三次數組循環，$prosur=50;
假設抽取的隨機數rand(1,50)，不管怎么抽，隨機數都會<或=50，
那么得出result=c;
因為樣本沒有改變，雖然可能抽取的隨機數不止一個，但是概率是不變的。
或者也可以這樣：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
function get_rand($arr){ $pro_sum=array_sum($arr); $rand_num=mt_rand(1,$pro_sum); $tmp_num=0; foreach($arr as $k=>$val) { if($rand_num<=$val+$tmp_num) { $n=$k; break; }else { $tmp_num+=$val; } } return $n;} |
在給大家分享一個抽獎的概率算法
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
|
/* * 經典的概率算法， * $proArr是一個預先設置的數組， * 假設數組為：array(100,200,300，400)， * 開始是從1,1000 這個概率范圍內篩選第一個數是否在他的出現概率范圍之內， * 如果不在，則將概率空間，也就是k的值減去剛剛的那個數字的概率空間， * 在本例當中就是減去100，也就是說第二個數是在1，900這個范圍內篩選的。 * 這樣 篩選到最終，總會有一個數滿足要求。 * 就相當于去一個箱子里摸東西， * 第一個不是，第二個不是，第三個還不是，那最后一個一定是。 * 這個算法簡單，而且效率非常 高， * 關鍵是這個算法已在我們以前的項目中有應用，尤其是大數據量的項目中效率非常棒。 */function get_rand($proArr) { $result = ''; //概率數組的總概率精度 $proSum = array_sum($proArr); //概率數組循環 foreach ($proArr as $key => $proCur) { $randNum = mt_rand(1, $proSum); if ($randNum <= $proCur) { $result = $key; break; } else { $proSum -= $proCur; } } unset ($proArr); return $result;} /* * 獎項數組 * 是一個二維數組，記錄了所有本次抽獎的獎項信息， * 其中id表示中獎等級，prize表示獎品，v表示中獎概率。 * 注意其中的v必須為整數，你可以將對應的 獎項的v設置成0，即意味著該獎項抽中的幾率是0， * 數組中v的總和（基數），基數越大越能體現概率的準確性。 * 本例中v的總和為100，那么平板電腦對應的 中獎概率就是1%， * 如果v的總和是10000，那中獎概率就是萬分之一了。 * */$prize_arr = array( '0' => array('id'=>1,'prize'=>'平板電腦','v'=>1), '1' => array('id'=>2,'prize'=>'數碼相機','v'=>5), '2' => array('id'=>3,'prize'=>'音箱設備','v'=>10), '3' => array('id'=>4,'prize'=>'4G優盤','v'=>12), '4' => array('id'=>5,'prize'=>'10Q幣','v'=>22), '5' => array('id'=>6,'prize'=>'下次沒準就能中哦','v'=>50),); /* * 每次前端頁面的請求，PHP循環獎項設置數組， * 通過概率計算函數get_rand獲取抽中的獎項id。 * 將中獎獎品保存在數組$res['yes']中， * 而剩下的未中獎的信息保存在$res['no']中， * 最后輸出json個數數據給前端頁面。 */foreach ($prize_arr as $key => $val) { $arr[$val['id']] = $val['v'];}$rid = get_rand($arr); //根據概率獲取獎項id $res['yes'] = $prize_arr[$rid-1]['prize']; //中獎項 unset($prize_arr[$rid-1]); //將中獎項從數組中剔除，剩下未中獎項 shuffle($prize_arr); //打亂數組順序 for($i=0;$i<count($prize_arr);$i++){ $pr[] = $prize_arr[$i]['prize'];}$res['no'] = $pr;print_r($res['yes']); |
