带权重HashMap物品抽取算法的各物品选中概率计算流程咨询

前置变量定义 #

先统一计算过程中用到的核心变量：

• N：hashmap存储的物品总数量
• w_i：第i个物品对应的权重值
• s_i = 1/w_i：第i个物品的实际抽样权重（和w_i成反比，符合权重越低抽取概率越低的规则）
• 0.4：候选物品池的整体展示概率

步骤1：计算物品进入3个候选池的概率 #

你当前的基础概率思路是正确的，只需要叠加权重系数和去重影响即可，分两种计算场景：

近似计算（适用于N≥20的场景，误差可忽略） #

当物品总数远大于需要抽取的3个物品时，去重规则对概率的影响极低，可以直接简化计算：

• 单轮抽取中，物品i被抽中且通过权重校验的概率：p_hit_i = 1/(N * w_i)
• 抽取3个不重复物品的场景下，物品i进入候选池的概率近似为：p_candidate_i ≈ 3 * p_hit_i = 3/(N * w_i)
  本质就是你之前算的无权重基础概率3/N，乘以权重系数1/w_i完成权重叠加。

精确计算（适用于N较小的场景） #

如果物品总数较少，需要考虑去重规则的影响，该抽取逻辑等价于不放回加权抽样，按以下方式计算：

1. 先计算所有物品的抽样权重总和 S = sum(s_i) = sum(1/w_i)
2. 物品i进入候选池的精确概率为：

p_candidate_i = s_i * [1/S + 平均(1/(S - s_x1)) + 平均(1/(S - s_x1 - s_x2))]

其中s_x1、s_x2是第一次、第二次被抽中的物品的抽样权重，对所有可能的x1、x2组合取平均即可得到精确值。

步骤2：叠加最终展示概率 #

因为选出来的3个候选物品只有40%的概率会被整体展示，所以物品i的最终被展示概率为：
p_final_i = p_candidate_i * 0.4

计算示例 #

假设物品总数N=20，目标物品A的权重w_A=2，用近似方法计算：

1. 基础无权重概率：3/20 = 15%
2. 叠加权重系数1/2后，进入候选池概率：15% * 1/2 = 7.5%
3. 叠加40%展示概率后，最终展示概率：7.5% * 0.4 = 3%

内容的提问来源于stack exchange，提问作者user14732842