▲ x轴为抢的顺序，y轴为该次抢到金额的概率均值
从以上两张图的均值结果可以看出，这个算法中每一次能抢到的金额几率几乎是均等的，从随机性来说比较合理。
5、微信红包算法模拟实现2（含代码）我对随机算法很感兴趣，正巧最近研究的方向有点偏随机数这块，所以也自己实现了一下微信的红包分发算法（算法要点参考的是本文第三节内容）。（注：本节内容引用自《微信红包算法的分析》一文）
5.1、代码实现从第三节中可以了解到，微信并不是一开始就预分配所有的红包金额，而是在拆时进行计算的。这样做的好处是效率高，实时性。本次的代码中，红包具体是怎么计算的呢？请参见第4节中的“关于分配算法，红包里的金额怎么算？为什么出现各个红包金额相差很大？”。
那基于这个思想，可以写出一个红包分配算法：
/**
* 并不完美的红包算法
*/
public static double rand(double money, int people, List l) {
if(people == 1) {
double red = Math.round(money * 100) / 100.0;
l.add(red);
return0;
}
Random random = newRandom();
double min = 0.01;
double max = money / people * 2.0;
double red = random.nextDouble() * max;
red = red <= min ? min : red;
red = Math.floor(red * 100) / 100.0;
l.add(red);
double remain = Math.round((money – red) * 100) / 100.0;
return remain;
}
算法整体思路很简单，就在在最后一个人的时候要注意，此时不进行随机数计算，而是直接将剩余金额作为红包。
5.2、第一次分析采用上述算法，可以对用户的抢红包行为做分析。这里的模仿行为是：30 元的红包，10 人抢。操作 100 次。
可以得出如下结果：
▲ x轴为抢的顺序，y轴为该次抢到金额
从上图中可以很轻易的看出来，越后抢的人，风险越大，同时收益也越大，有较大几率获得“手气最佳”。
那红包面值的分布性如何呢？
▲ x轴为抢的顺序，y轴为该次抢到金额重复 100 次后的平均值
从上图可以看出，都是比较接近平均值(3 元)的。
那重复 1000 次呢？
▲ x轴为抢的顺序，y轴为该次抢到金额重复 1000 次后的平均值
更接近了。。。
可以看出，这个算法可以让大家抢到红包面额在概率上是大致均等的。
5.3、不足之处有人提出了这个问题：
他接下来放了好几张他试验的截图。我这里取了一张，如果有兴趣，可以去知乎的问题里查看更多图片。
而此时，我哥们在和我的在讨论中，也告诉我，确实存在某个规律，可能让最后一个抢的人占有某些微小的优势，比如，多 0.01 的之类。
例如发 6 个，总额 0.09 的包，最后一个抢的有极大概率是 0.03。