算法原理
- 问题描述 洗牌算法是常见的随机问题；它可以抽象成：得到一个M以内的所有自然数的随机顺序数组。
常见问题描述：
1.将自然数1 ～ 100随机插入到一个大小为100的数组，无重复元素
1 ～ 52张扑克牌重新洗牌
什么是好的洗牌算法：
洗牌之后，如果能够保证每一个数出现在所有位置上的概率是相等的，那么这种算法是符合要求的；这在个前提下，尽量降低时间和空间复杂度。
————————————————
费雪耶茨算法（Fisher-Yates shuffle），用来将一个集合随机排列，常用在扑克洗牌，打乱抽奖奖池等场景中。
使用 Fisher-Yates 算法打乱顺序，得到的每种排列都是等概率的。Fisher-Yates 算法运行时不占用额外的存储空间，消耗的时间正比于需要打乱的数的数量，改良后的算法时间复杂度仅有O(n)。
以下结合图例来说明算法：
首先我们创建这样一个集合：
[1,2,3,4,5,6,7,8]
从0-7号索引位置中随机选择一个位置，将这个值与最后一个位置的值交换位置，假设选中了2号索引，也就是3这个值，则得到结果：
[1,2,8,4,5,6,7,3]
再从0-6号位置随机选择一个，将它与最后第二个值交换位置，假设选中了5，则得到结果：
[1,2,8,4,7,6,5,3]
再从0-5号位置随机选择一个，将它与最后第三个值交换位置，假设选中了2，则得到结果：
[1,6,8,4,7,6,5,3]
再从0-4号位置随机选择一个，将它与最后第四个值交换位置，假设选中了8，则得到结果：
[1,6,7,4,8,2,5,3]
再从0-3号位置随机选择一个，将它与最后第五个值交换位置，假设选中了1，则得到结果：
[4,6,7,1,8,2,5,3]
再从0-2号位置随机选择一个，将它与最后第六个值交换位置，假设选中了4，则得到结果：
[7,6,4,1,8,2,5,3]
再从0-1号位置随机选择一个，将它与最后第七个值交换位置，假设选中了6，6与最后第七个位置是同一个位置，不需要交换，则得到结果：
[7,6,4,1,8,2,5,3]
下图连续展示了变化过程：
算法实现（typescript）
function shuffle(arr: number[]) {
let result = arr;
let j: number;
for (let i = result.length - 1; i > 0; i--) {
j = Math.floor(Math.random() * (i + 1));
[result[i], result[j]] = [result[j], result[i]];
}
return result;
}
转载自知乎：zhuanlan.zhihu.com/p/213120130
作者：天真小兮兮
