拒绝采样（例如在您的解决方案中）是想到的第一件事，即您要构建一个查找表，并用其权重分布填充元素，然后在表中选择一个随机位置并将其返回。作为一种实现选择，我将制作一个高阶函数，该函数接受一个规范并返回一个函数，该函数根据规范中的分布返回值，这样您就不必为每个调用构建表。缺点是，构建表的算法性能与项数成线性关系，并且对于大型规范（或具有很小或精确权重的成员，例如{0：0.99999，1的规范），可能会占用大量内存：0.00001}）。好处是选择一个值的时间是恒定的，如果性能很关键，则可能需要这样做。在Javascript中：
function weightedRand(spec) { var i, j, table=[]; for (i in spec) { // The constant 10 below should be computed based on the // weights in the spec for a correct and optimal table size. // E.g. the spec {0:0.999, 1:0.001} will break this impl. for (j=0; j<spec[i]*10; j++) { table.push(i); } } return function() { return table[Math.floor(Math.random() * table.length)]; }}var rand012 = weightedRand({0:0.8, 1:0.1, 2:0.1});rand012(); // random in distribution...另一种策略是选择一个随机数，
[0,1)然后对权重总和的权重规范进行迭代，如果随机数小于总和，则返回相关值。当然，这假定权重之和为1。该解决方案没有前期成本，但平均算法性能与规范中的条目数成线性关系。例如，在Javascript中：
function weightedRand2(spec) { var i, sum=0, r=Math.random(); for (i in spec) { sum += spec[i]; if (r <= sum) return i; }}weightedRand2({0:0.8, 1:0.1, 2:0.1}); // random in distribution...
