带权随机数问题--根据权重随机选择一条路径

最近工作中遇到了一个根据权重随机选择一条路径的问题，一时没有啥好方案，参考借鉴了网上的经验，得出了如下解决方案：
思路：1.求权重的和，对（0,权重之和］区间进行划分，每个权重占用长度为权重的区间；
2.产生一个在（0,权重之和］区间的等概率随机数；
3.该随机数落在哪个区间，则该区间对应的权重的映射为本次产生的带权随机数。

  br />
 1 import java.util.ArrayList;
 2 import java.util.HashMap;
 3 import java.util.List;
 4 import java.util.Map;
 5 import java.util.Random;
 6 
 7 public class WeightRandomTest {
 8     public static void main(String[] args) {
 9         //数据初始化key:value=权重:值
10         Map<Integer, String> operMap=new HashMap<Integer, String>();
11         operMap.put(5, "001001");    
12         operMap.put(10, "005001");
13         operMap.put(40, "004001");
14         operMap.put(30, "006004");
15         operMap.put(15, "007003");
16         
17         //实验次数
18         int testCount=100000;
19         
20         //求权重的和
21         int sumWeight=0;        
22         for(Map.Entry<Integer,String> kv:operMap.entrySet())
23             sumWeight+=kv.getKey();
24         
25         //随机抽样100000次
26         List<String> res=new ArrayList<String>();        
27         for(int k=0;k<testCount;k++){
28             //产生0到sumWeight的随机数
29             Random r=new Random();
30             double randNum=r.nextInt(sumWeight);
31             int stepWeightSum=0;
32             //一次遍历
33             for(Map.Entry<Integer,String> kValue:operMap.entrySet()){
34                 stepWeightSum+=kValue.getKey();//区间(stepWeightSum,stepWeightSum+weights[i]]
35                 if(randNum<=stepWeightSum){//选择随机数落在该区间的那个值为随机产生的带权重随机数
36                     res.add(kValue.getValue());
37                     break;
38                 }
39             }            
40         }
41         
42         //统计并输出实验结果
43         Map<String, Integer> map=new HashMap<String, Integer>();
44         Map<String, String> mapP=new HashMap<String, String>();
45         int value=0;
46         for(String key:res){
47             if(map.get(key)!=null){
48                 value=map.get(key)+1;
49                 map.put(key, value);
50                 mapP.put(key,value*100.0/testCount+"%");
51             }
52             else {
53                 map.put(key, 1);
54                 mapP.put(key,1*100.0/testCount+"%");
55             }
56         }
57         System.out.println("次数统计:"+map);
58         System.out.println("概率统计:"+mapP);
59     }
60 }
61 
62

实验结果： 63 次数统计:{005001=9977, 006004=29179, 001001=6026, 007003=14986, 004001=39832} 64 概率统计:{005001=9.977%, 006004=29.179%, 001001=6.026%, 007003=14.986%, 004001=39.832%}
实验结论：从实验数据来看，100000次实验，每个值随机出现的概率基本与相应的权重值相符合，除去实验次数循环和实验统计等辅助空间外，算法的时间复杂度为O（n）,空间复杂度为O（1）