JavaScript实现数组随机排序及创建随机数值数组的优化方法

常见思路：为何“随机抽取”并非最佳

在处理数组随机化需求时，初学者常采用“随机取索引—判断是否已存在—存入新数组”的逻辑。这种方法的伪代码如下：

function randArr(arr) {
 var ret = [],
 obj = {},
 i = arr.length,
 l = i,
 n;
 while (--i >= 0) {
  n = Math.floor( Math.random() * l );
  if (obj[n] === void 0) {
   ret[ret.length] = obj[n] = arr[n];
  } else {
   i++;
  }
 }
 return ret;
}

该算法虽然能完成任务，但性能极不稳定。其核心缺陷在于，随着未选取元素越来越少，`Math.random()` 抽中已选索引的概率呈指数级上升，导致 `while` 循环陷入无意义的死锁等待（即“撞库”）。这种依赖运气的算法在面对大型数组时会导致CPU占用飙升。

优化方案一：splice 提取法

为了避免重复抽取，可以换个思路：每次随机抽取一个元素后，将其从原数组中删除。因为元素被移除，后续自然不可能再抽到该位置。

function randArr(arr) {
 var ret = [],
 i = arr.length,
 n;
 // 浅拷贝防止修改原数组
 arr = arr.slice(0);
 
 while (--i >= 0) {
  n = Math.floor( Math.random() * i);
  // 删除第n个元素并推入结果数组
  ret[ret.length] = arr.splice(n, 1)[0];
 }
 return ret;
}

这个算法的精妙之处在于：每循环一次，数组长度减一，随机数的取值范围随之缩小（从 $N$ 降到 $1$）。这不仅保证了单次遍历必定完成，而且完全消除了重复选择的开销。

尽管效率大幅提升，但需要注意，Array.prototype.splice() 操作在底层涉及内存搬移。对于超长数组，频繁的插入删除仍会带来不必要的性能损耗。

最终推荐：Fisher-Yates 交换法

要彻底解决性能瓶颈，应避免删除操作，转而使用位置互换（Swap）。这正是著名的 Fisher-Yates 洗牌算法的核心思想：只关心将“当前最后一个元素”放到“随机挑选的位置”，而不真正改变数组结构。

function randArr(arr) {
 var ret = [],
 i = arr.length,
 n;
 // 浅拷贝防止修改原数组
 arr = arr.slice(0); 
 
 while (--i >= 0) {
  n = Math.floor( Math.random() * i);
  // 将随机位置的元素放入结果
  ret[ret.length] = arr[n];
  // 将末尾元素填补到刚才拿走的位置，保持连续性
  arr[n] = arr[i];
 }
 return ret;
}

这种写法对原数组的影响最小。通过将尾部元素直接覆盖到被选中的索引位，我们维持了数组从 $0$ 到 $i$ 的连续空间，避免了中间产生空洞或频繁移动内存块。

进阶应用：现代语法简化版

如果使用较新的 ES6+ 环境，上述交换过程可以借助解构赋值（Destructuring Assignment）写得更加优雅和紧凑：

const shuffle = (arr) => {
 let a = [...arr];
 for(let i = a.length - 1; i > 0; i--) {
  const j = Math.floor(Math.random() * (i + 1));
  [a[i], a[j]] = [a[j], a[i]]; // 原地交换
 }
 return a;
};

注意：上面的代码是原地洗牌并返回原引用。如果必须像前文那样创建一个不包含重复项的新排列数组且不想改动原数组，依然建议使用前面的 slice 复制方案，或者直接使用 [...arr].sort(() => Math.random() - 0.5) （注：此方法虽短，但在某些引擎中对分布均匀性有争议，生产环境慎用，推荐Fisher-Yates）。

拓展：创建 Min~Max 间的随机整数数组

除了打乱现有数组，有时我们需要生成一串从 $min$ 到 $max$ 之间不重复的随机整数。其核心逻辑同上，依然是利用集合特性来替换无效值。

function makeRandArr(min, max) {
 var ret = [],
 obj = {},
 n;
 
 // 倒序填充
 for (; max >= min; max--) {
  // 计算随机偏移量并映射回区间
  n = Math.ceil(Math.random() * (max - min)) + min;
  
  // 取目标值，若已被记录则取其对应的尾部分支(max)
  ret[ret.length] = obj[n] || n;
  
  // 将被占据的位置n，指向当前末尾的值max，为后续腾挪做准备
  obj[n] = obj[max] || max;
 }
 return ret;
}

该算法巧妙地利用了哈希对象 obj 作为路由表。当某个数字被选中后，它会被“踢出”正常序列，由 obj[n] 接管。下次再随机到此位置时，便通过 obj[n] 获得了替代值，从而实现线性时间复杂度内的完美去重填充。

以上就是JavaScript数组随机化及随机数值数组创建的详细内容，更多关于JavaScript算法优化的资料请关注本站其它相关文章！