比例选择

proportionate_selector 允许在运行时从经验离散分布中进行采样。每个样本独立生成，且与先前生成的或未来的样本没有耦合。这允许从某些已知的离散分布中快速、可靠地生成样本。

用例

• 多变量 A/B 测试
• 游戏中的简单宝箱生成
• 在进化算法中的应用
• 帮助内容推广
• 优惠券码生成
• 等等...

示例

假设我们想根据与奖励收集品相关的某些稀有度来构建 非常简单 的宝箱奖励收集品。并且我们希望在运行时能够修改这些收集品的 稀有度（可能有数千种可能的物品）。

例如，

注意：proportionate_selector 要求概率之和等于 1。由于某些原因，您正在使用不同的排名方法，您可以在使用 proportionate_selector 之前对概率进行归一化。在大多数情况下，您都应该这样做。

use proportionate_selector::*;

#[derive(PartialEq, Debug)]
pub struct LootboxItem {
    pub id: i32,
    /// Likelihood of recieve item from lootbox.
    /// Rarity represents inverse lilihood of recieveing
    /// this item.
    ///
    /// e.g. rairity of 1, means lootbox item will be more
    /// frequently generated as opposed to rarity of 100.
    pub rarity: f64,
}

impl Probability for LootboxItem {
    fn prob(&self) -> f64 {
        // rarity is modeled as 1 out of X occurance, so
        // rarity of 20 has probability of 1/20.
        1.0 / self.rarity
    }
}

let endOfLevel1Box = vec![
    LootboxItem {id: 0, rarity: 50.0},   // 2%
    LootboxItem {id: 1, rarity: 10.0},   // 10%
    LootboxItem {id: 2, rarity: 10.0},   // 10%
    LootboxItem {id: 3, rarity: 2.0},    // 50%
    LootboxItem {id: 4, rarity: 3.5714}, // 28%
];

// create discrete distribution for sampling
let epdf = DiscreteDistribution::new(&endOfLevel1Box, SamplingMethod::Linear).unwrap();
let s = epdf.sample();

println!("{:?}", epdf.sample());

基准测试 (+/- 5%)

基准测试运行在

  Model Name: Mac mini
  Model Identifier: Macmini9,1
  Chip: Apple M1
  Total Number of Cores: 8 (4 performance and 4 efficiency)
  Memory: 16 GB

开发

cargo build     # build
cargo test      # run tests
cargo doc       # generate docs
cargo criterion # benchmarks
cargo clippy    # linter