如何实现微信抢红包算法？

不念不忘少年蓝@ 2022-05-14 00:37 352阅读 0赞

![640?wx\_fmt=jpeg&wxfrom=5&wx\_lazy=1&retryload=1][640_wx_fmt_jpeg_wxfrom_5_wx_lazy_1_retryload_1]

![640?wx\_fmt=jpeg&wxfrom=5&wx\_lazy=1&retryload=1][640_wx_fmt_jpeg_wxfrom_5_wx_lazy_1_retryload_1 1]

![640?wx\_fmt=png][640_wx_fmt_png]

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg]

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 1]

发出一个固定金额的红包，由若干个人来抢，需要满足哪些规则？

**1.所有人抢到金额之和等于红包金额，不能超过，也不能少于。**

**2.每个人至少抢到一分钱。**

**3.要保证所有人抢到金额的几率相等。**

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 2]

小灰的思路是什么样呢？

每次抢到的金额 = 随机区间 ( 0,  剩余金额 )

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 3]

为什么这么说呢？让我们看一个栗子：

假设有10个人，红包总额100元。

第一个人的随机范围是（0，100元)，平均可以抢到50元。

假设第一个人随机到50元，那么剩余金额是100-50 = 50 元。

第二个人的随机范围是 （0， 50元），平均可以抢到25元。

假设第二个人随机到25元，那么剩余金额是50-25 = 25 元。

第三个人的随机范围是 （0， 25元），平均可以抢到12.5元。

以此类推，每一次随机范围越来越小。

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 4]

## ![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 5]   **方法1：二倍均值法** ##

剩余红包金额为M，剩余人数为N，那么有如下公式：

每次抢到的金额 = 随机区间 **（0， M / N X 2）**

这个公式，保证了每次**随机金额的平均值是相等的**，不会因为抢红包的先后顺序而造成不公平。

举个栗子：

假设有10个人，红包总额100元。

100/10X2 = 20, 所以第一个人的随机范围是**（0，20 )**，平均可以抢到10元。

假设第一个人随机到10元，那么剩余金额是100-10 = 90 元。

90/9X2 = 20, 所以第二个人的随机范围同样是**（0，20 )**，平均可以抢到10元。

假设第二个人随机到10元，那么剩余金额是90-10 = 80 元。

80/8X2 = 20, 所以第三个人的随机范围同样是**（0，20 )**，平均可以抢到10元。

以此类推，每一次随机范围的均值是相等的。

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 6]  
//发红包算法，金额参数以分为单位

public static List<Integer> divideRedPackage(Integer totalAmount, Integer totalPeopleNum){
    
        List<Integer> amountList = new ArrayList<Integer>();
    
        Integer restAmount = totalAmount;
    
        Integer restPeopleNum = totalPeopleNum;
    
        Random random = new Random();
    
        for(int i=0; i<totalPeopleNum-1; i++){
    
            //随机范围：[1，剩余人均金额的两倍)，左闭右开
    
            int amount = random.nextInt(restAmount / restPeopleNum * 2 - 1) + 1;
    
            restAmount -= amount;
    
            restPeopleNum --;
    
            amountList.add(amount);
    
        }
    
        amountList.add(restAmount);
    
        return amountList;
    
    }
    
    
    public static void main(String[] args){
    
        List<Integer> amountList = divideRedPackage(5000, 30);
    
        for(Integer amount : amountList){
    
            System.out.println("抢到金额：" + new BigDecimal(amount).divide(new BigDecimal(100)));
    
        }
    
    }

程序输出结果如下：

抢到金额：2.92

抢到金额：1.48

抢到金额：3.05

抢到金额：0.53

抢到金额：0.45

抢到金额：1.36

抢到金额：1.02

抢到金额：1.99

抢到金额：1.3

抢到金额：0.48

抢到金额：0.83

抢到金额：2.89

抢到金额：0.94

抢到金额：2.11

抢到金额：3.13

抢到金额：0.91

抢到金额：2.64

抢到金额：2.02

抢到金额：2.88

抢到金额：1.13

抢到金额：2.09

抢到金额：1.37

抢到金额：2.41

抢到金额：2.13

抢到金额：1.32

抢到金额：0.44

抢到金额：1.62

抢到金额：1.89

抢到金额：2.23

抢到金额：0.44

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 7]

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 8]

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 9]

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 10]

## **方法2：线段切割法** ##

何谓线段切割法？我们可以把红包总金额想象成一条很长的线段，而每个人抢到的金额，则是这条主线段所拆分出的若干子线段。

![640?wx\_fmt=png][640_wx_fmt_png 1]  
如何确定每一条子线段的长度呢？由“切割点”来决定。当N个人一起抢红包的时候，就需要确定N-1个切割点。

因此，当N个人一起抢总金额为M的红包时，我们需要做N-1次随机运算，以此确定N-1个切割点。随机的范围区间是（1， M）。

当所有切割点确定以后，子线段的长度也随之确定。这样每个人来抢红包的时候，只需要顺次领取与子线段长度等价的红包金额即可。

这就是线段切割法的思路。在这里需要注意以下两点：

**1.当随机切割点出现重复，如何处理。**

**2.如何尽可能降低时间复杂度和空间复杂度。**

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 11]

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 12]  
—————END—————

[640_wx_fmt_jpeg_wxfrom_5_wx_lazy_1_retryload_1]: https://img-blog.csdnimg.cn/img_convert/ecb337b5828b220feb8bd7d312feadb9.png;wxfrom=5&wx_lazy=1&retryload=1
[640_wx_fmt_jpeg_wxfrom_5_wx_lazy_1_retryload_1 1]: https://img-blog.csdnimg.cn/img_convert/e78a424f8b580fcae99793d8070c06c5.png;wxfrom=5&wx_lazy=1&retryload=1
[640_wx_fmt_png]: /images/20220514/614633d5738a44e09da94260f45a2d24.png
[640_wx_fmt_jpeg]: /images/20220514/88981d94723f4c919db5d9a8bdc5204a.png
[640_wx_fmt_jpeg 1]: /images/20220514/bccd0652a993460e9b09273b8aacb670.png
[640_wx_fmt_jpeg 2]: /images/20220514/147bdbc86ff745d6bc48e220af15dc3d.png
[640_wx_fmt_jpeg 3]: /images/20220514/9fdb3c81448d438aaedd35c952f15de7.png
[640_wx_fmt_jpeg 4]: /images/20220514/dd28ae694b404098b4222de27ab2c76a.png
[640_wx_fmt_jpeg 5]: /images/20220514/77b8d493a0bd4391a97488329e258e59.png
[640_wx_fmt_jpeg 6]: /images/20220514/afa607a1def8426899dd88cfcf25629b.png
[640_wx_fmt_jpeg 7]: /images/20220514/8b0c23c361d644218ab9b1eda81f2e48.png
[640_wx_fmt_jpeg 8]: /images/20220514/32e62fc40ddd4a158f78e625fedced93.png
[640_wx_fmt_jpeg 9]: /images/20220514/f8dce0e342954bf4a43eba6f6a3665cc.png
[640_wx_fmt_jpeg 10]: /images/20220514/bfaa9d172e7a42e2b412b9feffd9ae55.png
[640_wx_fmt_png 1]: /images/20220514/07f5177c2b7e4a7bb9efd5f7c5091564.png
[640_wx_fmt_jpeg 11]: /images/20220514/9505d47b7fca4390bee1b18f4908e8a1.png
[640_wx_fmt_jpeg 12]: /images/20220514/4309dbad10354095b85eb266b1ce75be.png