آرین سلیمان‌زاده
  • خانه
  • وبلاگ
  • پادکست‌ها
  • ویدیوها
  • کتابخانه
  • تماس با من
العربيةArabic
DeutschGerman
EnglishEnglish
فارسیPersian
한국어Korean
中文Chinese
پنل•تماس سریع

Languages

Choose your interface locale

ar

العربية

Arabic

de

Deutsch

German

en

English

English

fa

فارسی

Persian

ko

한국어

Korean

zh

中文

Chinese

درخواست همکاری یا مشاوره

پیام خود را درباره همکاری، مشاوره، توسعه محصول یا پروژه نرم‌افزاری ارسال کنید.

LinkedInپاسخ سریع
کتابخانه الگوریتم ←/آمار/انتخاب تصادفی وزندار
یادداشت کامل الگوریتم

انتخاب تصادفی وزندار

Weighted Random

انتخاب تصادفی وزندار یک الگوریتم از دسته آمار است. این روش آماری weightها را به احتمال تبدیل می‌کند و نمونه‌گیری را متناسب با همان احتمال انجام می‌دهد.

نوعالگوریتمدستهآمارسطحپایهپیچیدگی معمولVaries by implementation / input constraints
جواب کوتاه و حرفه‌ای

اول این مفهوم را در ذهن نگه دار

انتخاب تصادفی وزندار یک الگوریتم از دسته آمار است. این روش آماری weightها را به احتمال تبدیل می‌کند و نمونه‌گیری را متناسب با همان احتمال انجام می‌دهد.

01
توضیح ساده

چطور کار می‌کند؟ ساده و مرحله‌ای

01

برای فهم انتخاب تصادفی وزندار ابتدا invariant و stateای را پیدا کن که در هر مرحله تغییر می‌کند.

02

پیچیدگی معمول این موضوع Varies by implementation / input constraints است؛ آن را از روی loop، recursion، عملیات ساختمان داده و constraintهای ورودی تحلیل کن، نه فقط از حفظ.

02
روند اجرا

الگوریتم را به شکل تصمیم‌های پشت سر هم بخوان

01

weightهای غیرمنفی را validate کن.

02

وزن تجمعی/احتمال را بساز.

03

یک عدد random بساز و interval آن را پیدا کن.

یک مثال کوچک برای فهم بهتر

یک ورودی خیلی کوچک را دستی اجرا کن و بعد از هر عملیات مهم state را بنویس. برای انتخاب تصادفی وزندار هدف این است که invariant را ببینی، نه اینکه کد را حفظ کنی.

پیچیدگی

Varies by implementation / input constraints

این Complexity را حفظی نگو. اول مشخص کن مربوط به کدام عملیات یا بعد ورودی است؛ بعد هزینه را از روی loopها، عمق recursion، عملیات ساختمان داده و فرض‌های preprocessing نتیجه بگیر.

03
چه زمانی استفاده کنیم؟

موارد مناسب

  • وقتی احتمال انتخاب آیتم‌ها برابر نیست مناسب است.
04
اشتباهات رایج

کجا معمولاً اشتباه می‌کنیم؟

  • weight نامعتبر.
  • random generator biased.
در مصاحبه چطور توضیح بدهیم؟

مدل یک پاسخ حرفه‌ای

برای توضیح حرفه‌ای انتخاب تصادفی وزندار در مصاحبه، مسئله‌ای که حل می‌کند، invariant، state یا ساختمان داده اصلی، پیچیدگی Varies by implementation / input constraints و شرایطی که باعث می‌شود روش دیگری انتخاب کنی را بگو.

مسئله→ایده اصلی→Invariant / State→Big-O→Trade-off
چند سؤال مصاحبه‌ای سریع

انتخاب تصادفی وزندار چه مسئله‌ای را حل می‌کند؟

انتخاب تصادفی وزندار یک الگوریتم از دسته آمار است. این روش آماری weightها را به احتمال تبدیل می‌کند و نمونه‌گیری را متناسب با همان احتمال انجام می‌دهد.

درباره Complexity چه چیزی باید بگویم؟

پیچیدگی معمول اینجا Varies by implementation / input constraints است، اما جواب کامل باید این هزینه را به representation، constraint ورودی و عملیات غالب وصل کند.

رایج‌ترین اشتباه چیست؟

weight نامعتبر.

موضوعات مرتبط برای ادامه مطالعهاحتمالCDFنمونه‌گیری تصادفی
منبع و مطالعه بیشتر

این درس برای مطالعه آرام و آمادگی مصاحبه به‌صورت مستقل نوشته شده و فهرست موضوعات آن از trekhleb/javascript-algorithms الهام گرفته است. مخزن اصلی implementationها، testها و README تخصصی هر موضوع را دارد.

باز کردن مخزن اصلی ↗
آرین سلیمان‌زاده

پورتفولیوی شخصی با تمرکز بر Agentic CRM، سامانه‌های هوشمند کسب‌وکار، مهندسی مدرن وب، طراحی سیستم‌های رابط کاربری و توسعه محصولات نرم‌افزاری کاربردی.

لینک‌های سریع

  • درباره من
  • وبلاگ
  • کتابخانه
  • تماس

ارتباط

  • soleimanzadeh.a.work@gmail.com
  • soleimanzadeh.uni@gmail.com

در دسترس: روزهای کاری

معمولاً پاسخ در ۲۴ ساعت

خبرنامه

به‌روزرسانی‌های مربوط به نوشته‌ها، پروژه‌ها و انتشارهای جدید را دریافت کنید.

© 2026 ariansoleimanzadeh.dev — تمامی حقوق محفوظ است.

لینکدین