(JAVA)仿拼多多砍价算法

简介: (JAVA)仿拼多多砍价算法

前言

先上执行完毕后的控制台输出截图:

我的业务流程是,当用户发起一个砍价,先使用这个方法生成对应人数的砍价金额集合(我们的金额对应人数是支持配置的,例如900元-1000元需要70个人)放入redis(异步写入db),key为用户id,当有人进入砍价,从redis拿出集合随机取一个金额写入缓存(key为用户id,此缓存是砍价记录,同时异步写入db,用于记录;把此金额从原先的集合中抹除),砍价结束把集合从缓存中删除。

package com.dq.utils;
 
import java.math.BigDecimal;
import java.math.BigInteger;
import java.math.RoundingMode;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Random;
 
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.stereotype.Service;
 
 
/**
 * 获取砍价的集合公共方法
 * 2018年6月4日 上午9:35:57
 * version 1.0
 *
 * @author lwf
 */
public class BargainCommonUtils {
 
    private static final Logger logger = LoggerFactory.getLogger(BargainCommonUtils.class);
 
    /**
     * 砍价算法优化,避免死循环和空指针
     * <br/>为避免价格生成出错,要求:count<=100;price/count>=0.08
     * <br/>2018年8月14日 上午9:54:39
     * <br/>version 1.0
     * <br/>@author lwf
     * <br/>@param count
     * <br/>@param price
     * <br/>@param finalPrice
     * <br/>@return
     */
    public static List<BigDecimal> getBargainList(Integer count, BigDecimal price, BigDecimal finalPrice) {
        List<BigDecimal> list = new BargainCommonUtils().getTempBargainList(count, price, finalPrice);
        int i = 0;
        while (list == null || list.size() == 0 || list.size() != count) {
            list = new BargainCommonUtils().getTempBargainList(count, price, finalPrice);
            i++;
            if (i > 50000) {
                logger.info("砍价集合生成超时!请重试或重新设定价格/次数比例!");
                break;
            }
        }
        return list;
    }
 
 
    /*
     *  获取砍价的价格集合
     *  <br/>2018年6月7日 下午4:32:31
     *  <br/>version 1.0
     *  <br/>@author lwf
     */
    public static  List<BigDecimal> getTempBargainList(Integer count, BigDecimal price, BigDecimal finalPrice) {
 
        BigDecimal sourcePrice = price;
        sourcePrice = sourcePrice.subtract(finalPrice);    // 实际要折扣掉的金额
        sourcePrice = sourcePrice.setScale(2, RoundingMode.HALF_DOWN);// 把多余的小数点去掉
        ArrayList<BigDecimal> tempPrices = new ArrayList<>();//   实际被砍掉的价格集合
        Map<String, BigDecimal> lastPrice = new HashMap<>();//     最后一次的砍价剩余的价格
        int sum = 0;// 实际砍价次数
        ArrayList<BigDecimal> finalPrices = new ArrayList<>();    // 最终所需要的砍价集合
 
        finalPrice = new BigDecimal(0);
 
        BigDecimal divisor = new BigDecimal(count);
//    获取砍价的平均值
        int countTmep = 2;
        getPirces(sourcePrice, countTmep, tempPrices, finalPrice, lastPrice);
 
        tempPrices.add(lastPrice.get("lastPrice"));
 
        sum = tempPrices.size();
 
        if (sum > count) {    // 如果实际砍价次数大于预期次数,则再进行处理
            int temp = sum - count;// 相差次数
 
            BigDecimal sumPrice = new BigDecimal(0.00);
 
            for (int i = 0; i < tempPrices.size(); i++) {
                if (i < tempPrices.size() - temp) {
                    finalPrices.add(tempPrices.get(i));
                } else {
                    sumPrice = sumPrice.add(tempPrices.get(i));    // 多余的砍价
                }
            }
//      把多余的砍价平均分散到前count中的砍价
            BigDecimal divide = null;
            try {
                divide = sumPrice.divide(new BigDecimal(count), 2, RoundingMode.HALF_DOWN);
            } catch (Exception e) {
                logger.warn(e.getMessage());
                e.printStackTrace();
            }
            divide = divide.setScale(2, RoundingMode.HALF_DOWN);
 
            for (int i = 0; i < finalPrices.size(); i++) {
                BigDecimal add = finalPrices.get(i).add(divide);
                finalPrices.set(i, add);
            }
        } else if (sum == count) {
            finalPrices = tempPrices;
        } else {
            return null;
        }
 
 
//    价格矫正 补总差价,多减少增
        BigDecimal totalPrice = new BigDecimal(0);
        for (BigDecimal bd : finalPrices) {
            totalPrice = bd.add(totalPrice);
        }
        logger.info("价格矫正前的totalPrice:" + totalPrice);
//    如果集合中的总价大于实际原价,则把集合中任意一个大于这个差价的价格减去差价(误差都不会超过0.1)
        int inFlag = 0;
        if (totalPrice.compareTo(sourcePrice) > 0) {
            BigDecimal subtract = totalPrice.subtract(sourcePrice);
 
            for (int i = 0; i < finalPrices.size(); i++) {
                if (finalPrices.get(i).compareTo(subtract) > 0) {    // 集合中的大于这个差价的价格
                    BigDecimal changedPrice = finalPrices.get(i).subtract(subtract);
                    finalPrices.set(i, changedPrice);
                    inFlag = 1;
                    break;
                }
            }
        }
        if (totalPrice.compareTo(sourcePrice) < 0) {    // 如果集合中的总价小于等于实际原价,则把集合中最后一个价格加上差价(误差都不会超过0.1)
            BigDecimal subtract = sourcePrice.subtract(totalPrice);
            BigDecimal sourceLastPrice = finalPrices.get(finalPrices.size() - 1);
            BigDecimal changedPrice = sourceLastPrice.add(subtract);
            finalPrices.set(finalPrices.size() - 1, changedPrice);
            inFlag = 1;
        }
        if (totalPrice.compareTo(sourcePrice) == 0) {
            inFlag = 1;
        }
 
 
        if (inFlag == 0) {    // 如果没有价格大于这个差价,则再完整的调一次本方法
            return null;
        } else {
            logger.info("sourcePrice:" + sourcePrice);
            logger.info("*********************************");
            totalPrice = new BigDecimal(0);
            for (BigDecimal bd : finalPrices) {
                totalPrice = bd.add(totalPrice);
            }
            logger.info("预期砍价次数:" + count + " 实际砍价次数:" + finalPrices.size() + " 价格矫正后的totalPrice:" + totalPrice);
            logger.info(Arrays.toString(finalPrices.toArray()));
 
            return finalPrices;
        }
    }
 
 
    /**
     * 获取被砍的价格集合
     * <br/>2018年6月4日 下午3:19:07
     * <br/>version 1.0
     * <br/>@author lwf
     * <br/>@param sourcePrice  原价
     * <br/>@param avgPrice 砍价平均值:  原价/砍价次数=砍价平均值
     * <br/>@param tempPrices 砍价价格集合
     * <br/>@param finalPrice 最终价
     */
    public static  void getPirces(BigDecimal sourcePrice, int countTemp, List<BigDecimal> tempPrices, BigDecimal finalPrice, Map<String, BigDecimal> lastPrice) {
        Random r = new Random();
        double d = sourcePrice.divide(new BigDecimal(++countTemp), 2, RoundingMode.HALF_DOWN).doubleValue();
        if (tempPrices.size() > 0 && tempPrices.size() % 4 == 0) {
            countTemp = countTemp - 3;
        }
 
        Double randomPrice = r.nextDouble() * d + 0.01;    // 例如:生成0到9.99之间的随机数
 
        BigDecimal bargainPrice = new BigDecimal(randomPrice); // 被砍掉的价格
 
        bargainPrice = bargainPrice.setScale(2, RoundingMode.HALF_DOWN);
 
        BigDecimal surplusPrice = sourcePrice.subtract(bargainPrice);    // 剩余价格
 
        if (surplusPrice.compareTo(finalPrice) <= 0) {
            return;
        }
 
        tempPrices.add(bargainPrice);
        lastPrice.put("lastPrice", surplusPrice);
        getPirces(surplusPrice, countTemp, tempPrices, finalPrice, lastPrice);
 
    }
 
    /*  @Test
        public void testBargain() {
            int count = 100;
            BigDecimal price = new BigDecimal(7);
            BigDecimal finalPrice = new BigDecimal(0);
 
            List<BigDecimal> list = new BargainCommonServiceImpl().getTempBargainList(count, price, finalPrice);
            int i = 0;
            while(list==null || list.size()==0||list.size()!=count) {
                list = new BargainCommonServiceImpl().getTempBargainList(count, price, finalPrice);
                i ++;
                if(i>50000) {
                    logger.info("砍价集合生成超时!请重试或重新设定价格/次数比例!");
                    System.out.println("砍价集合生成超时!请重试或重新设定价格/次数比例!");
                    break;
                }
            }
            System.out.println(i);
        }*/
    public static void main(String[] args) {
        int count = 10;
        BigDecimal price = BigDecimal.valueOf(7L);
        BigDecimal finalPrice =BigDecimal.ZERO;
        List<BigDecimal> list = BargainCommonUtils.getTempBargainList(count, price, finalPrice);
        list.forEach(bigDecimal -> {
            System.out.printf(bigDecimal.toString());
        });
    }
 
}

 

相关文章
|
1天前
|
算法 Java 索引
【算法】重建二叉树并进行后序遍历的Java实现
【算法】重建二叉树并进行后序遍历的Java实现
11 5
|
1天前
|
算法 Java
[Java·算法·简单] LeetCode 283. 移动零
[Java·算法·简单] LeetCode 283. 移动零
10 2
|
1天前
|
算法 Java
[Java·算法·中等] LeetCode21. 合并两个有序链表
[Java·算法·中等] LeetCode21. 合并两个有序链表
9 2
|
4天前
|
搜索推荐 算法 前端开发
计算机Java项目|基于协同过滤算法的体育商品推荐系统
计算机Java项目|基于协同过滤算法的体育商品推荐系统
|
4天前
|
算法 前端开发 Java
探讨Java中递归构建树形结构的算法
探讨Java中递归构建树形结构的算法
5 1
|
4天前
|
算法 Java 索引
12.12_黑马数据结构与算法笔记Java
12.12_黑马数据结构与算法笔记Java
14 1
|
5天前
|
算法 Java
Java中常用hash算法总结
Java中常用hash算法总结
6 0
|
7天前
|
存储 搜索推荐 算法
十大排序算法(java实现)(二)
十大排序算法(java实现)(二)
|
7天前
|
搜索推荐 算法 Java
十大排序算法(java实现)(一)
十大排序算法(java实现)(一)
|
8天前
|
分布式计算 算法 搜索推荐
Java中可以用的大数据推荐算法
在Java中实现大数据推荐算法,通常使用Apache Mahout、Weka、DL4J或Spark MLlib。本文简要介绍了三种推荐算法:基于内容的推荐、协同过滤推荐和深度学习推荐,以及它们的使用场景。提供了每种算法的伪代码或关键代码片段。基于内容的推荐适用于有用户历史行为和物品内容信息的场景,而协同过滤适用于大量用户行为数据的场景,深度学习推荐则用于处理复杂特征。在实现时,注意数据预处理、特征提取、用户画像构建和相似度计算。
14 1

热门文章

最新文章