C#实现抢红包算法的两种经典方案

二倍均值法（公平版）

该方法旨在保证每个人抢到金额的期望值相等，适合对公平性要求较高的场景。其核心规则如下：

• 所有抢到金额之和等于红包总额，不能多也不能少。
• 每人至少抢到一分钱（最小单位为1，以“分”计算以避免浮点数精度问题）。
• 保证每次随机金额的期望值是相等的，不因抢的顺序造成不公平。

第1步：理解随机区间公式

假设剩余红包金额为 M，剩余人数为 N，则当前用户的随机金额范围为：
(0, M / N * 2)

该公式保证了每次抽取的平均值为 M / N。例如：10人抢100元，平均每人10元。第一个人的范围是 (0, 20)，均值为10；若第一人抽中10元，剩余90元9人，第二人的范围依然是 (0, 20)，均值仍为10，以此类推。

第2步：实现核心算法逻辑

我们需要创建一个列表存储每个用户抢到的金额，并在循环中确定前 N-1 个人的金额，最后一个人拿走剩余所有金额。关键代码如下：

static List<int> DivideRedPackage(int cashCount, int peopleNumber)
{
    List<int> redPackageList = new List<int>();
    
    // 边界检查：如果总金额少于人数，每人最多只能分到1分钱，直接返回全1数组
    if (cashCount <= peopleNumber)
    {
        for (int i = 0; i < peopleNumber; i++)
        {
            redPackageList.Add(1);
        }
        return redPackageList;
    }

    Random random = new Random(GetRandomSeed());
    int restCash = cashCount;
    int restPeople = peopleNumber;

    // 循环分配前N-1个人的金额
    for (int i = 0; i < peopleNumber - 1; i++)
    {
        // 安全随机范围：[1, (restCash / restPeople) * 2] - 1
        // Next的下限是包含的，上限是不包含的，因此减去1确保安全
        int maxSafeAmount = (restCash / restPeople) * 2 - 1;
        // 防止除以零导致异常，虽然上面的if已经做了大部分保护，但保留健壮性
        if(maxSafeAmount < 1) maxSafeAmount = 1; 
        
        var cash = random.Next(1, maxSafeAmount + 1);
        
        restCash -= cash;
        restPeople--;
        redPackageList.Add(cash);
    }
    
    // 最后一个人拿走剩余所有金额
    redPackageList.Add(restCash);
    return redPackageList;
}

注意：原稿中的 `Next(1, restCash / restPeople * 2)` 存在溢出风险或当剩余金额不足时产生负数/错误范围。实际工程中建议增加判断，确保上限不超过剩余金额减去剩余人数的最小值。上述代码进行了逻辑修正，使其更稳健。

第3步：优化随机数种子问题

System.Random 是伪随机数生成器。如果在高频调用或短时间内创建多个实例，可能会使用相同的种子值，导致生成相同的随机序列。为解决此问题，需使用加密安全的随机源生成种子：

static int GetRandomSeed()
{
    byte[] bytes = new byte[4];
    System.Security.Cryptography.RNGCryptoServiceProvider rng =
        new System.Security.Cryptography.RNGCryptoServiceProvider();
    rng.GetBytes(bytes);
    return BitConverter.ToInt32(bytes, 0);
}

线段切割法（手速版）

线段切割法的思想是将总金额看作一条长度为 M 的线段，随机选取 N-1 个切割点将线段分为 N 段。每段的长度即为对应的人抢到的金额。这种方法在视觉上非常直观，且在模拟高并发抢红包（如微信早期设计）的场景中常被提及，因为它不强制依赖严格的公平性，更倾向于速度决定金额分布。

第1步：确定切割点范围

需要确定 N-1 个唯一的随机整数作为切割点，取值范围为 (1, M)。这里 M 是总金额（单位：分）。

第2步：生成并排序切割点

由于切割点必须唯一且互不相同，我们需要在一个循环中不断尝试生成随机数，并使用集合去重或重新检测。

static List<int> DivideRedPackageByLine(int cashCount, int peopleNumber)
{
    List<int> redPackageList = new List<int>();
    if (cashCount <= peopleNumber)
    {
        for (int i = 0; i < peopleNumber; i++)
        {
            redPackageList.Add(1);
        }
        return redPackageList;
    }

    Random random = new Random(GetRandomSeed());
    List<int> cutPoints = new List<int>();
    int remainingCount = peopleNumber - 1;

    // 生成 N-1 个唯一的切割点
    while (remainingCount > 0)
    {
        var line = random.Next(1, cashCount); // 范围 (1, cashCount)
        if (!cutPoints.Contains(line))
        {
            cutPoints.Add(line);
            remainingCount--;
        }
    }
    
    // 排序切割点以便按顺序计算线段长度
    cutPoints.Sort();

    // 第一个人抢到的金额就是第一个切割点
    redPackageList.Add(cutPoints[0]);

    // 中间的人抢到的金额是相邻两个切割点的差值
    for (int i = 0; i < peopleNumber - 2; i++)
    {
        var cash = cutPoints[i + 1] - cutPoints[i];
        redPackageList.Add(cash);
    }

    // 最后一个人抢到的金额是总金额减去最后一个切割点
    redPackageList.Add(cashCount - cutPoints[cutPoints.Count - 1]);

    return redPackageList;
}

第3步：对比与总结

• 二倍均值法：严格保证每个人的期望收益一致，适合追求绝对公平的社交分发场景。
• 线段切割法：实现了将总额均匀随机的分割，虽然数学上的公平性与二倍均值略有不同（取决于具体的随机数分布策略），但在实际项目中运行效率高且结果稳定。需要注意的是，List<int>.Contains() 在数据量极大时会降低性能，此时应使用 HashSet<int> 进行去重检查。

以上就是C#实现抢红包算法的详细内容，更多关于C#红包分配机制的资料请关注本站其它相关文章！