本文目录
什么是列表随机化？
列表随机化是将列表中的项目重新排列为随机顺序的过程，也称为洗牌（shuffle）。一次恰当的洗牌会以相等的概率产生每一种可能的排列，确保没有任何一项更可能落在某个特定位置上。这种公平性对于随机分配、抽奖和科学抽样等应用至关重要。
随机化不同于排序——排序会依据某个比较函数产生确定性的输出，而随机化则每次都产生不同的输出。洗牌的质量取决于所用的算法以及随机性的来源这两方面。
Fisher-Yates 算法的工作原理
Fisher-Yates 洗牌（又称 Knuth 洗牌）是生成均匀随机排列的标准算法。它的做法是从最后一个元素向前遍历列表，将每个元素与尚未洗牌部分中随机选出的一个元素进行交换。
- 从最后一个元素开始——从 0 到 n-1 中选取一个随机下标，将最后一个元素与该下标处的元素交换
- 移到倒数第二个元素——从 0 到 n-2 中选取一个随机下标并交换；对每个位置依次向前重复
- 每个元素恰好被处理一次——算法以 O(n) 时间运行，即便面对包含数千项的大型列表也很高效
免费试用 —— 无需注册
随机排列列表 →常见使用场景
在许多需要公平、无偏排序的场景中，都会用到列表随机化。
- 随机分配——将参与者无偏地分入不同组，用于 A/B 测试、课堂活动或实验的对照组/实验组
- 抽奖和赠品活动——打乱参与者姓名以公平地抽出获奖者，确保每位参与者机会均等
- 试题顺序——在教育场景中随机排列考试题目以减少作弊；每名学生看到的题目顺序都不同
- 播放列表和内容洗牌——重新排列歌曲、任务、抽认卡或阅读清单，让每次体验都焕然一新
技巧与最佳实践
遵循以下准则，从列表随机化中获得公平且可复现的结果。
- 使用经过验证的算法——Fisher-Yates 是黄金标准；避免使用诸如“用随机比较器排序”之类的朴素做法，它们会产生带偏差的结果
- 理解伪随机性——基于浏览器的随机化工具使用伪随机数生成器（Math.random 或 crypto.getRandomValues）；对于加密应用，请始终使用安全的随机源
- 有意识地处理重复项——如果你的列表包含重复值，洗牌时每个重复项都会被当作独立的项目对待；如果你只需要唯一项，请先移除重复项
常见问题
Fisher-Yates 洗牌真的公平吗？
是的，当使用均匀随机源正确实现时，Fisher-Yates 洗牌会以完全相等的概率产生每一种可能的排列。这一点已在数学上得到证明。关键前提是随机数生成器产生的是均匀分布的值——每个下标被选中的可能性必须相等。
我可以复现同样的洗牌结果吗？
要复现某次洗牌，你需要一个带种子的随机数生成器——用相同种子值初始化的生成器会产生相同的随机数序列。大多数基于浏览器的工具使用不带种子的生成器，因此每次洗牌都是独一无二的。如需可复现性，请使用支持带种子 PRNG 的编程库。
列表中有重复项时会发生什么？
重复项会像唯一项一样被独立洗牌。如果你的列表中包含三次 'Apple'，每个实例都会被放到一个随机位置。算法按每一项在数组中的位置来处理它，而不是按其值。如果你想在洗牌前移除重复项，请先对列表进行去重。