当前位置:首页 > 文章列表 > 文章 > java教程 > Java数组实现费雪-耶茨算法教程

Java数组实现费雪-耶茨算法教程

2026-05-14 19:51:49 0浏览 收藏
本文深入讲解了如何在Java中用数组手动实现费雪-耶茨(Fisher-Yates)随机乱序算法——一种时间复杂度为O(n)、原地操作且严格保证每种排列出现概率完全相等的经典洗牌算法;通过从后往前遍历、精准使用Random.nextInt(i+1)生成[0,i]内随机索引并交换,避开正向遍历、边界错误、重复创建Random等常见陷阱,同时延伸至泛型支持与线程安全优化(如ThreadLocalRandom),助你不仅“会用”,更真正理解Collections.shuffle()背后的原理与设计智慧。

如何在 Java 中利用数组实现简单的费雪-耶茨(Fisher-Yates)随机乱序算法

在 Java 中用数组实现费雪-耶茨(Fisher-Yates)随机乱序算法,核心是“从后往前遍历,每次随机选一个位置与当前位交换”。它时间复杂度 O(n),原地打乱,且每种排列概率均等,比 Collections.shuffle() 自己动手更利于理解原理。

理解算法逻辑:从末尾开始逐个“固定”

费雪-耶茨标准洗牌(现代版本)的关键思想是: 对长度为 n 的数组,从索引 n−1 开始,到索引 1(即第二个元素),依次执行: → 随机选择一个索引 j,满足 0 ≤ j ≤ i; → 将 arr[i] 与 arr[j] 交换。 这样,每一轮都把一个“尚未确定位置”的元素随机放到当前末尾位置,保证后续不再动它。

Java 数组实现步骤(含完整代码)

以下是基于 int[] 的通用实现,使用 java.util.Random:

import java.util.Random;

public static void shuffle(int[] arr) { if (arr == null || arr.length <= 1) return;

Random rand = new Random();
for (int i = arr.length - 1; i > 0; i--) {
    int j = rand.nextInt(i + 1); // 生成 [0, i] 范围内的随机整数
    // 交换 arr[i] 和 arr[j]
    int temp = arr[i];
    arr[i] = arr[j];
    arr[j] = temp;
}

}

说明:

  • 边界注意:循环从 i = arr.length - 1 到 i = 1(包含),不需处理 i=0,因为只剩一个元素时已自然“固定”
  • nextInt(i + 1) 是关键:确保 j ∈ [0, i],不是 [0, i),否则会漏掉当前位置自身,破坏均匀性
  • 支持任意类型数组:把 int[] 替换为 T[] 并加泛型即可(需注意泛型数组创建限制)

常见错误与避坑提示

初学者易犯的几个典型问题:

  • 正向遍历(i 从 0 到 n−2):若写成 for (int i = 0; i 并随机选 j ∈ [i, n−1],虽能打乱但概率不均等——某些排列出现概率偏高
  • 随机范围写错:如用 rand.nextInt(i)(范围 [0,i)),会导致 arr[i] 永远无法和自己交换,丢失一种可能状态
  • 重复创建 Random 实例:在频繁调用的 shuffle 方法里每次都 new Random(),可能因系统时间种子相近导致短时间多次调用结果雷同;建议复用同一 Random 实例或用 ThreadLocalRandom.current()

进阶:线程安全与泛型支持

如需在多线程环境安全使用,推荐:

  • 用 ThreadLocalRandom.current().nextInt(i + 1) 替代 new Random()
  • 泛型版本可定义为:public static void shuffle(T[] arr),交换逻辑不变,只需注意 T 不可为基本类型(需用包装类如 Integer[])
  • 若必须处理基本类型数组(如 int[]、double[]),仍需单独写对应重载方法

今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

2026春晚嘉宾名单及节目单大全2026春晚嘉宾名单及节目单大全
上一篇
2026春晚嘉宾名单及节目单大全
Golang策略模式实现:动态选择算法行为
下一篇
Golang策略模式实现:动态选择算法行为
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    343次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    398次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    393次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    356次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    182次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码