从数组中选择随机加权对象

Question

我试图找出一种方法从数组中选择一个随机对象，基于它的权重属性。这是一个示例数组：

var item = [{
    verDiv: 'div-gpt-ad-1553003087342-0',
    verKv: 'version1',
    verSize: [300, 250],
    weight: 10 //should be chosen in 10% of cases
},
{
    verDiv: 'div-gpt-ad-1553003087342-1',
    verKv: 'version2',
    verSize: [300, 250],
    weight: 25 //should be chosen in 25% of cases
},
{
    verDiv: 'div-gpt-ad-1553003087342-2',
    verKv: 'version3',
    verSize: [160, 600],
    weight: 25 //should be chosen in 25% of cases
},
{
    verDiv: 'div-gpt-ad-1553003087342-3',
    verKv: 'version4',
    verSize: [728, 90],
    weight: 40 //should be chosen in 40% of cases
}];

我想要做的是通过使用函数选择四个对象中的一个，该函数考虑了它们的权重属性，因此我可以在需要时调用其他属性。

console.log([item[weightFunction()].verDiv]);
console.log([item[weightFunction()].verKv]);
console.log([item[weightFunction()].verSize]);

编辑：以上只是一个建议，我相信有更好的方法来做到这一点。

Answer 1

假设所有权重之和恰好为100（否则计算它并用作cumul初始值和随机乘数：

function weightFunction(items) {
  var cumul = 100
  var random = Math.floor(Math.random() * 100)

  for(var i = 0; i < items.length; i++) {
    cumul -= items[i].weight
    if (random >= cumul) {
      return items[i]
    }
  }
}

Answer 2

您可以使用所有权重对权重数组进行闭包，并返回一个函数，该函数根据所有权重的总和得到索引。

function getWeightedDistribution(weights) {
    return function () {
        var random = Math.random(),
            sum = 0;
        return weights.findIndex(w => random < (sum += w));
    };
}

var weights = [0.1, 0.25, 0.25, 0.4], // all values have to sum to 1
    i;
    weightFunction = getWeightedDistribution(weights),
    counts = [0, 0, 0, 0];

for (i = 0; i < 1e6; i++) counts[weightFunction()]++;

console.log(...counts);

与您的代码一起

function getWeightedDistribution(weights) { // weights sums up to 1
    return function () {
        var random = Math.random(),
            sum = 0;
        return weights.findIndex(w => random < (sum += w));
    };
}

var item = [{ verDiv: 'div-gpt-ad-1553003087342-0', verKv: 'version1', verSize: [300, 250], weight: 10 }, { verDiv: 'div-gpt-ad-1553003087342-1', verKv: 'version2', verSize: [300, 250], weight: 25 }, { verDiv: 'div-gpt-ad-1553003087342-2', verKv: 'version3', verSize: [160, 600], weight: 25 }, { verDiv: 'div-gpt-ad-1553003087342-3', verKv: 'version4', verSize: [728, 90], weight: 40 }],
    weightFunction = getWeightedDistribution(item.map(({ weight }) => weight / 100));

console.log(item[weightFunction()].verDiv);
console.log(item[weightFunction()].verKv);
console.log(item[weightFunction()].verSize);

Answer 3

这是一个更抽象的问题方法，允许总权重大于100，您可以定义如何检索每个元素的权重属性。

这种方法的工作方式是为每个值创建一个范围映射，并返回其范围“捕获”随机数的第一个元素。

var item = [{
    verDiv: 'div-gpt-ad-1553003087342-0',
    verKv: 'version1',
    verSize: [300, 250],
    weight: 10 //should be chosen in 10% of cases
  },
  {
    verDiv: 'div-gpt-ad-1553003087342-1',
    verKv: 'version2',
    verSize: [300, 250],
    weight: 25 //should be chosen in 25% of cases
  },
  {
    verDiv: 'div-gpt-ad-1553003087342-2',
    verKv: 'version3',
    verSize: [160, 600],
    weight: 25 //should be chosen in 25% of cases
  },
  {
    verDiv: 'div-gpt-ad-1553003087342-3',
    verKv: 'version4',
    verSize: [728, 90],
    weight: 40 //should be chosen in 40% of cases
  }
];

function weightFunction(list, getWeight) {
  var total = 0; // Faster than doing another loop with reduce
  var map = list.reduce(function(result, value, index) {
    var currentWeight = getWeight(value, index);
    total += currentWeight;
    result[total] = value;
    return result;
  }, {});
  var random = Math.random() * total;
  return map[Object.keys(map).find(function(index) {
    return index >= random;
  })];
}

console.log(weightFunction(item, x => x.weight).verDiv);
console.log(weightFunction(item, x => x.weight).verKv);
console.log(weightFunction(item, x => x.weight).verSize);

Answer 4

• 定义一个名为stat_map的数组，最终将具有sum of all weights的大小
• 使用项目索引填充stat_map，以便stat_map包含与其权重一样多的项目索引。
• 现在stat_map包含10个0（第一个项目的索引），25个1（第二个项目的索引），25个2（第三个项目的索引），40个3（第四个项目的索引）
• 如果从stat_map中选择随机元素，它将是所选项目的索引，很明显，项目将根据其权重进行选择。

const item = [{
    verDiv: 'div-gpt-ad-1553003087342-0',
    verKv: 'version1',
    verSize: [300, 250],
    weight: 10 //should be chosen in 10% of cases
},
{
    verDiv: 'div-gpt-ad-1553003087342-1',
    verKv: 'version2',
    verSize: [300, 250],
    weight: 25 //should be chosen in 25% of cases
},
{
    verDiv: 'div-gpt-ad-1553003087342-2',
    verKv: 'version3',
    verSize: [160, 600],
    weight: 25 //should be chosen in 25% of cases
},
{
    verDiv: 'div-gpt-ad-1553003087342-3',
    verKv: 'version4',
    verSize: [728, 90],
    weight: 40 //should be chosen in 40% of cases
}];

const randomItem = (item) => {
  const stat_map = []
  item.map((v, i) => stat_map.push(...new Array(v.weight).fill(i)))
  const rand = Math.floor(Math.random() * stat_map.length)
  return item[stat_map[rand]]
}

console.log(randomItem(item))