python波峰波谷算法_波动均分算法

波动均分算法

by leeenx on 2018-01-11

「波动」和「均分」大部分读者朋友是知道的，但看到「波动均分」应该是一头雾水的。其实，这个名词是笔者拼凑出来的。

什么是「波动均分」？

把指定的数值 A，分成 N 份，此时每份的数值在一个固定的区间 [max, min] 内。从视觉上看，每份的数量在平均线上下波动，并带有随机性：

这种分配不是严格意义上的「均分」，但它却跟「均分」很相似，按笔者的理解给这个算法取个名字 —— 「波动均分」。

波动均分算法应该具备的特征如下：

分配数量
波峰高度
波谷深度
随机分配
组合全面

前三个特征是提供对外配置的接口，保证算法的使用者可以指定分配的数量和定制波动的波峰和波谷(尽管大部分情况下，波峰 = 波谷)；「随机分配」表示算法的结果是随机的；

「组合全面」表示算法的结果是可以覆盖所有可能的结果。

接下来，笔者将介绍两种实现「波动均分」的算法：

穷举法
快速分配

备注：本文算法中使用到的平均值是0

穷举法

「穷举法」顾名思义就是列举所有可能出现的组合，再随机抽取一个组合作为输出结果。

下面是一个「波动均分」任务：

有一张 10x10 的表格，需要对格子上5种颜色并要求每种颜色的数量在区间 [18, 22] 内。

由上述可得：每种颜色都会有5种分配结果(18, 19, 20, 21, 22)。穷举这些颜色分配数量的组合其实就是建设一棵高度为 6 的 5 叉树的过程。

第 6 层的叶子数就是「所有可能出现的组合」的总数。换而言之，从树的第六层的一片叶子到第二层节点的路径即是一种分配组合。

以下是「穷举法」的代码实现：

function exhaustWave(n = 5, crest = 4, trough = 4) { let root = {parent: null, count: null, subtotal: 0}; // 根节点let leaves = [root]; // 叶子(数组)let level = 0; // 层数 // 检查当前组合是否合法let isOK = subtotal => {if(level < n - 1) {if(-subtotal <= (n - level) * crest || subtotal <= (n - level) * trough) return true; }else if(subtotal === 0) return true; else return false; }// 生成组合树 while(level < n) { let newLeaves = []; // 存储最新叶子leaves.forEach(node => {for(let count = -trough; count <= crest; ++count) {let subtotal = node.subtotal + count; isOK(subtotal) && newLeaves.push({parent: node, count: count, subtotal: subtotal}); }}); leaves = newLeaves, ++level; }// 随机取一片叶子let leaf = leaves[Math.random() * leaves.length >> 0]; let group = [leaf.count]; for(let i = 0; i < 4; ++i) { leaf = leaf.parent; group.push(leaf.count); }return group; }

穷举法的局限：

「无穷集合」不适用
穷举算法效率低下

由于「穷举法」的这两个致命限制，所以它不是适用于业务。事实上，笔者主要是使用「穷举法」校验「快速分配」方案的全面性。

快速分配

「快速分配」方案的思路：

获取可分配波动范围；
在波动范围内随机取值

代码的实现过程如下：

function quickWave(n = 5, crest = 4, trough = 4, isInteger = true) { let list = []; // 无法进行波动均分，直接返回完全平分if(crest > (n - 1) * trough || trough > (n - 1) * crest) {return new Array(n).fill(0); }let base = 0; // 最少需要消除的高度let wave = 0; // 波动量let high = crest; // 高位let low = -trough; // 低位let sum = 0; // 累计量 let count = n; // 剩余数量 while(--count >= 0) { // 动态当前的波动量if(crest > count * trough - sum) {high = count * trough - sum; }if(trough > count * crest + sum) {low = -sum - count * crest; }base = low; wave = high - low; let rnd; // 随机波动量 if(count > 0) {rnd = base + Math.random() * (wave + 1); // 随机波动} else {rnd = -sum; }if(isInteger === true) {rnd = Math.floor(rnd); } sum += rnd; list.push(rnd); }return list; }

波动均分的「快速分配」方案在算法效率上是高效的，并且「快速分配」适用于「无穷集合」。

如何使用「穷举法」校验「快速分配」的全面性？

「穷举法」能直接返回分配组合的总数，而「快速分配」只能随机返回一次组合，笔者是通过大数量地调用「快速分配」算法并累积不重复组合来验证「快速分配」的全面性。代码如下：

console.log(exhaustWave(5, 4, 4)); // 组合总数: 3951let res = {}, count = 0, len = 10000; for(let i = 0; i < len; ++i) { let name = quickWave(5, 4, 4).join("_"); res[name] !== true && (res[name] = true, ++count); }console.log(count); // len次快速分配后的组合总数

通过调整变量 len 可以发现，当 len 越来越大输出的结果就越逼近 3951，当到达一定量级后，输出的结果就是 3951。