最后，我有一个绝对无偏的方法，其拒绝率为零。当然，我已经对其进行了测试，以确保结果是整个可行集的代表样本。它的速度非常快，完全没有偏见。请享用。
from sage.all import *import random
首先，该函数查找具有s个部分的n分区的最小最大加数
def min_max(n,s): _min = int(floor(float(n)/float(s))) if int(n%s) > 0: _min +=1 return _min
接下来，该函数使用缓存和记忆来查找n个分区的数量，其中s个部分以x为最大部分。
这很快，但是我认为还有一个更优雅的解决方案。例如，通常：P（N，S，max = K）=
P（NK，S-1）感谢ante（https://stackoverflow.com/users/494076/ante）为我提供了帮助：
查找数字给定总数，部分数量和最大和的整数分区的数量
D = {}def P(n,s,x): if n > s*x or x <= 0: return 0 if n == s*x: return 1 if (n,s,x) not in D: D[(n,s,x)] = sum(P(n-i*x, s-i, x-1) for i in xrange(s)) return D[(n,s,x)]最后，一个函数可以找到n个具有s个部分的均匀随机分区，并且没有拒绝率！ 每个随机选择的数字编码用于n个具有s部分的特定分区。
def random_partition(n,s): S = s partition = [] _min = min_max(n,S) _max = n-S+1 total = number_of_partitions(n,S) which = random.randrange(1,total+1) # random number while n: for k in range(_min,_max+1): count = P(n,S,k) if count >= which: count = P(n,S,k-1) break partition.append(k) n -= k if n == 0: break S -= 1 which -= count _min = min_max(n,S) _max = k return partition
