Java에서 Fisher-Yates 알고리즘을 사용하여 배열 섞기
소개
컴퓨터 과학 영역에서 요소 배열이나 목록을 섞는 것은 게임 결과 무작위화부터 덱에 카드를 배포하는 것까지 다양한 애플리케이션에 유용할 수 있는 일반적인 작업입니다. 이 목적에 가장 효과적인 알고리즘 중 하나는 Knuth Shuffle이라고도 알려진 Fisher-Yates Shuffle입니다. 이 알고리즘은 배열의 각 순열 가능성이 동일하도록 보장하므로 편향되지 않은 무작위 셔플을 생성하는 데 이상적인 선택입니다.
이 기사에서는 Fisher-Yates Shuffle 알고리즘의 Java 구현을 살펴보겠습니다. 제공된 코드는 정수 배열을 효율적으로 섞으며 이 알고리즘의 우아함과 효율성을 모두 보여줍니다.
피셔-예이츠 셔플 알고리즘
Fisher-Yates Shuffle 알고리즘은 배열을 끝에서 처음까지 반복하면서 각 요소를 배열의 앞부분(현재 위치 포함)에 나타나는 무작위로 선택한 요소로 교체하는 방식으로 작동합니다. 이 프로세스를 통해 배열의 모든 순열이 동일하게 확률이 높아집니다.
자바 코드 구현
다음은 Fisher-Yates Shuffle 알고리즘의 Java 구현입니다.
import java.util.*; class FYShuffleAlgorithm { public static void main(String[] args) { int[] arr = {1, 2, 3, 4, 5, 6}; shuffle(arr); } public static void shuffle(int[] arr) { Random rand = new Random(); for (int i = arr.length - 1; i > 0; i--) { int randomIndex = rand.nextInt(i + 1); int tmp = arr[i]; arr[i] = arr[randomIndex]; arr[randomIndex] = tmp; } System.out.println(Arrays.toString(arr)); } }
코드 설명
초기화:
기본 메소드는 {1, 2, 3, 4, 5, 6} 값으로 정수 배열 arr을 초기화한 다음 shuffle 메소드를 호출하여 이 배열을 섞습니다.
위 내용은 Java에서 Fisher-Yates 알고리즘을 사용하여 배열 섞기의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

새로운 프로젝트가 시작될 때, Sass 컴파일은 눈을 깜박이게합니다. 특히 BrowserSync와 짝을 이루는 경우 기분이 좋습니다.

이번 주에 플랫폼 뉴스 라운드 업 RONDUP, Chrome은로드에 대한 새로운 속성, 웹 개발자를위한 접근성 사양 및 BBC Move를 소개합니다.

이것은 처음으로 HTML 요소를보고 있습니다. 나는 그것을 잠시 동안 알고 있었지만 아직 스핀을 위해 그것을 가져 갔다. 그것은 꽤 시원하고 있습니다

구매 또는 빌드는 기술 분야의 고전적인 논쟁입니다. 신용 카드 청구서에 라인 항목이 없기 때문에 물건을 구축하는 것이 저렴할 수 있지만

이번 주에 타이포그래피를 검사하기위한 편리한 북마크 인 Roundup, JavaScript 모듈과 Facebook의 Facebook 등을 어떻게 가져 오는지 땜질하기 위해 대기하는 편리한 북마크 인 Roundup과 Facebook의

한동안 iTunes는 팟 캐스팅에서 큰 개 였으므로 "Podcast 구독"을 링크 한 경우 다음과 같습니다.

사이트에서 방문자 및 사용 데이터를 추적하는 데 도움이되는 분석 플랫폼이 많이 있습니다. 아마도 널리 사용되는 Google 웹 로그 분석
