我正试图找出如何根据数组中最常见的数字来计算"权重选择"，以供AI选择特定的数字。
例如，我有这样一个函数，它计算数组中最常见的数字，并允许AI选择一个特定的选项，使玩家失败。
现在，如果最常见的数字是1，则有50%的机会选择2。理想情况下，如果数组中全是1，那么它应该只有50%的机会发生。
有人有解决办法吗?我还没能解决这个问题。谢谢你的帮助。
p。S:我知道这个函数可能写得很糟糕，只是想得到一个原型/框架函数。
这看起来是std::discrete_distribution的完美地方。
介绍:
#include <algorithm>
#include <iostream>
#include <map>
#include <random>
#include <vector>
// A seeded pseudo random number generator:
static std::mt19937 gen(std::random_device{}());
int main() {
假设你在vector中拥有所有玩家的选择。你似乎把它们放在一个数组中，但我将使用vector，因为它更容易处理。
// filled with some example choices:
std::vector<int> m_playerChoices{10,10,11,10,22,22,10};
我会先做一个直方图，这样你就能得到每个选择的数量:
std::map<int, int> hist;
for(int choice : m_playerChoices) {
++hist[choice];
}
然后我们从直方图中提取选择和计数，并放入两个单独的vectors。一个包含所有唯一选项，另一个对应的包含每个选项的计数，称为weights。
std::vector<int> unique_choices;
std::vector<int> weights;
for(auto[choice, count] : hist) {
unique_choices.push_back(choice);
weights.push_back(count);
}
weights然后被用来创建discrete_distribution:
std::discrete_distribution<int> dist(weights.begin(), weights.end());
你现在可以调用伪随机数生成器，并使用这个离散分布来获得一个唯一的数字，每个数字的概率将完全根据你开始时的每个选择的计数:
for(int i = 0; i < 100; ++i) {
std::cout << unique_choices[dist(gen)] << 'n';
}
}