如何生成符合正态分布且总和固定的整数随机数？

需求回顾 #

需要生成一组满足以下规则的整数随机数：

• 所有数的总和为变量t
• 数值最小值为1，最大值为变量m
• 尽可能符合以1为中心的平缓正态分布，且几乎覆盖1至m的每个数值

原代码存在迭代次数过多、总和匹配失败的问题，以下是优化方案：

原代码核心问题分析 #

1. 逐次调整效率极低：while循环每次仅增减一个数，当目标总和与初始总和差距较大时，迭代次数会急剧增加，甚至超过上限
2. 生硬的频率限制：强制后续频率不超过前一个的逻辑，过度破坏了正态分布的平缓性
3. 初始次数计算偏差：通过均值四舍五入得到总次数N，容易引入较大偏差，增加后续调整难度

优化实现方案 #

优化思路 #

1. 先保证全覆盖：初始为每个数值1~m分配至少1次出现次数，确保覆盖所有值
2. 批量调整总和：直接计算当前总和与t的差值，一次性分配调整量，避免逐次迭代
3. 贴合分布的调整逻辑：调整时优先选择符合正态分布概率的位置（靠近1的数值）进行增减，同时维持频率递减的趋势

优化后的C#代码 #

public static List<int> GenerateNumbers(int t, int m)
{
    // 1. 初始化基础频率：每个数至少出现1次，保证覆盖1~m
    int[] frequencies = new int[m];
    Array.Fill(frequencies, 1);
    int currentSum = m * (m + 1) / 2; // 初始总和：1+2+...+m
    int remaining = t - currentSum;

    if (remaining < 0)
    {
        // 总和不足，需要减少次数，优先减少大数值的出现次数（保证小数值的高频率）
        for (int i = m - 1; i >= 0 && remaining < 0; i--)
        {
            int maxReduce = frequencies[i] - 1; // 至少保留1次
            if (maxReduce <= 0) continue;
            
            int reduceCount = Math.Min(-remaining, maxReduce);
            frequencies[i] -= reduceCount;
            remaining += reduceCount * (i + 1);
        }
    }
    else if (remaining > 0)
    {
        // 总和有剩余，基于正态分布分配额外次数
        double mean = 1.0;
        double variance = Math.Pow(m / 3.0, 2); // 调整方差，保证分布平缓覆盖全范围
        double[] probabilities = new double[m];
        double sumProb = 0;

        for (int i = 0; i < m; i++)
        {
            int num = i + 1;
            probabilities[i] = Math.Exp(-Math.Pow(num - mean, 2) / (2 * variance));
            sumProb += probabilities[i];
        }

        // 归一化概率
        for (int i = 0; i < m; i++)
        {
            probabilities[i] /= sumProb;
        }

        // 按概率分配剩余次数，同时保证频率递减
        int[] additional = new int[m];
        int tempRemaining = remaining;
        for (int i = 0; i < m && tempRemaining > 0; i++)
        {
            // 计算当前位置可分配的最大额外次数：不超过前一个位置的总次数（保证递减）
            int maxAdd = i == 0 ? int.MaxValue : frequencies[i-1] + additional[i-1] - (frequencies[i] + additional[i]);
            if (maxAdd <= 0) continue;
            
            // 按概率分配
            int addCount = (int)Math.Round(probabilities[i] * remaining);
            addCount = Math.Min(addCount, tempRemaining);
            addCount = Math.Min(addCount, maxAdd);
            
            additional[i] = addCount;
            tempRemaining -= addCount;
        }

        // 处理剩余的零星次数，优先分配给最左侧（靠近1）的位置
        for (int i = 0; i < m && tempRemaining > 0; i++)
        {
            int maxAdd = i == 0 ? int.MaxValue : frequencies[i-1] + additional[i-1] - (frequencies[i] + additional[i]);
            if (maxAdd <= 0) continue;
            
            additional[i]++;
            tempRemaining--;
        }

        // 合并额外次数到频率数组
        for (int i = 0; i < m; i++)
        {
            frequencies[i] += additional[i];
        }
    }

    // 生成最终的数字列表并打乱
    List<int> numbers = new List<int>();
    for (int i = 0; i < m; i++)
    {
        for (int j = 0; j < frequencies[i]; j++)
        {
            numbers.Add(i + 1);
        }
    }

    Random rand = new Random();
    numbers = numbers.OrderBy(x => rand.Next()).ToList();

    return numbers;
}

优化点说明 #

• 全覆盖保证：初始每个数值至少出现1次，满足“几乎覆盖1至m每个数值”的要求
• 批量调整：直接计算总和差值，一次性分配调整量，彻底消除低效的while循环
• 分布贴合：基于正态分布概率分配额外次数，同时通过频率递减限制维持以1为中心的分布特征
• 鲁棒性提升：分别处理总和不足与过剩的情况，确保总能生成符合总和要求的结果

内容的提问来源于stack exchange，提问作者Connor Moran