Как случайно уравнять неравные значения?

Скажем, у меня есть несколько неравных значений a, b, c, d, e. Можно ли превратить эти неравные значения в равные значения, просто используя генерацию случайных чисел?

Пример: а=100, b=140, c=200, d=2, e=1000. Я хочу, чтобы алгоритм случайным образом нацеливался на эти наборы, чтобы наибольшее значение использовалось чаще всего, а наименьшее значение оставалось в покое для большинства частей.

Области, в которых я столкнулся с проблемами: если я просто использую генерацию неуникальных случайных чисел, то значение e в конечном итоге окажется под другими значениями. Если я использую генерацию уникальных чисел, то соотношение между значениями не меняется, даже если меняются их абсолютные значения. Я пытался использовать наборы, в которых определенный диапазон чисел должен быть набран определенное количество раз, прежде чем значение изменится. Я еще не пробовал использовать сочетание уникальных/неуникальных случайных чисел.

Я хочу, чтобы соотношение между значениями постепенно приближалось к 1 по мере выполнения алгоритма.

Другой способ решить проблему: скажем, эти значения a, b, c, d, e равны. Если мы случайно выберем один, каждый из них будет выбран с такой же вероятностью, как и любой другой. После того, как мы выберем один, мы добавляем 1 к этому значению. Затем снова запускаем этот процесс. На этот раз значение, которое было выбрано в прошлый раз, на 1 больше, чем любое другое значение, поэтому вероятность выбора его выше, чем любого другого значения. Это создает эффект снежного кома, когда значение, выбранное первым, скорее всего, будет продолжать выбираться и достигать стремительного роста. Я ищу противоположность этому алгоритму, когда мы начинаем после того, как эти изначально равные значения расходятся, и возвращаем их в исходно-равное состояние.

Я думаю, что этот процесс невозможен из-за энтропии и врожденной односторонней природы существования.


random probability equalizer
person EternalPropagation    schedule 29.11.2018    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Что ж, есть метод, называемый обратными весами, когда вы отбираете элементы, обратно пропорциональные их предыдущему внешнему виду. Каждый раз, когда мы выбираем a, b, c, d или e, мы обновляем их номера появления и пересчитываем вероятности. Простой код Python, я выбираю числа [0...4] как a, b, c, d, e и начинаю с того, что вы указали как внешний вид. После 100 000 выборок они выглядят равнораспределенными.

import numpy as np

n = np.array([100, 140, 200, 2, 1000])

for k in range(1, 100000):

    p  = (1.0 / n) # make probabilities inverse to weights
    p /= np.sum(p) # normalization

    a = np.random.choice(5, p = p) # sampling numbers in the range [0...5)

    n[a] += 1 # update weights

print(n)

Выход

[20260 20194 20290 20305 20392]
person Severin Pappadeux    schedule 29.11.2018
comment
Проблема в том, что значение 1000 может быть разделено на два разных значения и по-прежнему сохранять большую общую долю после завершения вывода. Любое дробление ценностей не должно допускать такого обмана. Я должен был указать это, извините. Вот почему я спрашивал о работе в обратном направлении, уменьшая значения. - person EternalPropagation; 29.11.2018
comment
@EternalPropagation извините, не понимаю - если оно разделено на разные значения, какова общая доля? Не могли бы вы обновить вопрос с примером, что вы хотите? Потому что явно противоречие - либо это разные значения и мой алгоритм их уравняет, либо нет... - person Severin Pappadeux; 29.11.2018