Java中ThreadLocalRandom生成5-13随机数易重复，如何降低重复率？

首先得明确：你当前用的nextInt(5,13)生成的是5到12之间的整数（Java的nextInt(origin, bound)是左闭右开区间），如果要包含13的话，得改成nextInt(5,14)。不过不管是8个还是9个可选值，范围太小确实容易出现重复——毕竟随机数本身就有概率重复，尤其是可选值不多的时候。

下面给你几个实用的解决方案，按需选择：

方案1：洗牌池法（无重复直到耗尽所有值） #

这个方法能保证在所有可选值都被用过一遍之前，不会出现重复。原理是把所有可能的数值放进一个列表，打乱顺序后逐个取出，取完了再重新打乱循环。

代码示例：

import java.util.Arrays;
import java.util.Collections;
import java.util.Iterator;
import java.util.List;
import java.util.concurrent.ThreadLocalRandom;

// 把这些变量放在你的类里作为成员变量
private List<Integer> levelPool;
private Iterator<Integer> levelIterator;

private int getNextLevel() {
    // 如果迭代器为空或者已经取完所有值，重新初始化并洗牌
    if (levelIterator == null || !levelIterator.hasNext()) {
        // 按需调整数值范围，要包含13就添加进去
        levelPool = Arrays.asList(5, 6, 7, 8, 9, 10, 11, 12);
        // 用ThreadLocalRandom洗牌，保证线程安全
        Collections.shuffle(levelPool, ThreadLocalRandom.current());
        levelIterator = levelPool.iterator();
    }
    return levelIterator.next();
}

优点：完全避免重复直到一轮结束，数值分布绝对均匀；线程安全。
缺点：如果你的场景需要完全随机（允许跨轮重复），这个方法会让随机性稍受限制，但大部分游戏或业务场景都适用。

方案2：避免连续重复 #

如果只是不想连续出现相同的值，这个方法最简单：记录上一次生成的数值，新生成的如果和上次一样就重新生成。

代码示例：

import java.util.concurrent.ThreadLocalRandom;

private int lastLevel = -1; // 初始化一个不在范围内的值

private int getNextLevel() {
    int nextLevel;
    do {
        nextLevel = ThreadLocalRandom.current().nextInt(5, 13); // 注意区间是否符合需求
    } while (nextLevel == lastLevel);
    lastLevel = nextLevel;
    return nextLevel;
}

优点：代码极简，几乎不影响性能；保留了大部分随机性。
缺点：只能避免连续重复，还是可能出现非连续的重复（比如5→6→5），但已经能解决你说的"频繁生成相同值"的问题。

方案3：加权随机（降低近期值的概率） #

如果想要更进一步，让刚出现过的值出现概率降低，可以给每个数值设置权重，最近出现过的权重调低，过一段时间再恢复。这个方法稍微复杂一点，但灵活性更高。

大致思路：

• 维护一个Map记录每个数值的权重（初始都是1）
• 每次生成随机数时，根据权重进行抽样
• 生成后，把当前数值的权重调低，同时恢复上一次数值的权重

代码示例（简化版）：

import java.util.HashMap;
import java.util.Map;
import java.util.concurrent.ThreadLocalRandom;

private Map<Integer, Double> weightMap = new HashMap<>();
private int lastLevel = -1;

// 初始化权重
{
    for (int i = 5; i < 13; i++) {
        weightMap.put(i, 1.0);
    }
}

private int getNextLevel() {
    // 计算总权重
    double totalWeight = weightMap.values().stream().mapToDouble(Double::doubleValue).sum();
    double random = ThreadLocalRandom.current().nextDouble(totalWeight);
    
    double currentSum = 0;
    int selected = -1;
    for (Map.Entry<Integer, Double> entry : weightMap.entrySet()) {
        currentSum += entry.getValue();
        if (random <= currentSum) {
            selected = entry.getKey();
            break;
        }
    }
    
    // 重置上一次的权重，降低当前选中值的权重
    if (lastLevel != -1) {
        weightMap.put(lastLevel, 1.0);
    }
    weightMap.put(selected, 0.3); // 把当前值的权重降到30%
    lastLevel = selected;
    
    return selected;
}

优点：能有效减少近期重复的概率，随机性更符合"自然"的感觉。
缺点：实现稍复杂，需要维护权重逻辑；性能比前两个方案略差，但对于小范围数值来说可以忽略。

最后提醒：如果你的业务场景允许，适当扩大数值范围（比如从5到15）也能从根本上降低重复概率，但这得看你的需求是否允许。

内容的提问来源于stack exchange，提问作者user8716561