如何在月牙形区域内生成随机Vector2位置？

问题背景 #

月牙形由大圆A（圆心(0,0)，半径100）减去完全包含在其内部的小圆B（圆心(9,0)，半径85）得到，已知月牙形面积为π*(100² - 85²) = 2775π，需生成该区域内的随机位置。

方法一：拒绝采样法（简单易实现） #

这是最直接的方案，无需复杂几何计算，适合大多数场景：

• 步骤1：生成大圆A内的随机点
  圆内随机点不能直接用均匀半径，需考虑面积与半径平方成正比的特性：
  • 生成0到2π的均匀随机角度θ
  • 生成0到1的均匀随机数u，计算半径r = 100 * sqrt(u)
  • 转换为笛卡尔坐标：x = r * cosθ，y = r * sinθ
• 步骤2：过滤小圆B内的点
  计算点(x,y)到小圆B圆心(9,0)的距离dist = sqrt( (x-9)² + y² )，若dist > 85，则该点属于月牙形区域，保留；否则丢弃并重新生成。

伪代码示例：

import math
import random

# 定义圆参数
CA_X, CA_Y = 0, 0
CA_RAD = 100
CB_X, CB_Y = 9, 0
CB_RAD = 85

def generate_crescent_point():
    while True:
        # 生成大圆内的随机点
        theta = random.uniform(0, 2 * math.pi)
        u = random.uniform(0, 1)
        r = CA_RAD * math.sqrt(u)
        x = CA_X + r * math.cos(theta)
        y = CA_Y + r * math.sin(theta)
        # 判断是否在小圆外
        dist_to_cb = math.hypot(x - CB_X, y - CB_Y)
        if dist_to_cb > CB_RAD:
            return (x, y)

该方法的接受概率为月牙形面积与大圆面积的比值（27.75%），平均每生成3-4个点即可得到一个符合要求的结果，效率足以应对多数业务场景。

方法二：精确无拒绝采样法（高效进阶） #

若对采样效率要求极高，可采用无拒绝的精确采样，核心是按区域比例分配采样概率：

1. 区域拆分：将月牙形视为大圆内除小圆外的全部区域，计算两区域的面积占比（月牙形占27.75%，小圆占72.25%）
2. 概率选择：生成0到1的均匀随机数p，若p ≤ 0.2775，则在月牙形区域内采样；否则重新生成p
3. 定向采样：对选中的月牙形区域，按极坐标角度拆分，针对每个角度θ，计算该方向上允许的半径范围（避开小圆覆盖的区间），再在有效范围内均匀采样半径。

这种方法无需丢弃任何生成的点，但需要推导每个角度对应的有效半径区间，实现复杂度较高，仅在拒绝采样效率无法满足需求时使用。

总结 #

• 优先选择拒绝采样法，代码实现简单，逻辑清晰，满足多数场景需求；
• 若追求极致效率，再考虑精确无拒绝采样法，需额外完成几何区间的推导与计算。

内容的提问来源于stack exchange，提问作者Nicklorion