使用经过验证的Fisher-Yates算法的免费随机列表洗牌器。即时随机排列名称、学生、团队或任务。非常适合教师、比赛和公平决策。无需注册。
Enter items to shuffle, one per line. Empty lines will be automatically removed.
曾经需要选择谁先开始而不让任何人觉得不公平吗？这就是随机列表洗牌器派上用场的地方。这个工具可以获取任何列表——学生姓名、团队成员、任务优先级，无论你有什么——并将它们完全随机地重新排列。
这就是它的用处：当你处理课堂演讲、锦标赛对阵表，或者只是决定尝试哪家餐馆时，手动方法如从帽子里抽取名字需要时间，而且仍然可能感觉有偏见（总有人觉得你偷看了！）。数字洗牌器完全消除了这个问题。输入你的项目，点击一个按钮，你就能在毫秒内得到数学上公平的结果。
该工具使用Fisher-Yates洗牌算法，自从唐纳德·克努特在《计算机程序设计艺术》中推广它（1969年）以来，这一直是黄金标准。每种可能的排列都具有完全相等的概率——这是用自制洗牌方法令人惊讶地难以实现的。
界面非常简单：
输入您的列表：在文本区域中输入或粘贴项目，每行一个。从3个学生到500个库存项目都可以处理——我已经测试了这两个极端。
点击"随机化列表"：洗牌瞬间完成。您会注意到没有加载旋转器，因为算法在几毫秒内就能完成，即使是大型列表也是如此。
查看结果：您的洗牌后的列表会出现在下方，已编号并可直接使用。
再次洗牌（可选）：对第一次排列不满意？再次点击"随机化列表"。每次洗牌都是完全独立的——您甚至可能得到相同的顺序（尽管从统计学上讲这种可能性很低）。
复制或清除：将结果复制到其他地方使用，或点击"清除"重新开始。
**您的数据会怎样？**完全不会离开您的浏览器。这是一个客户端工具，意味着您的列表永远不会接触服务器。关闭标签页后，数据就会永久消失——没有存储，没有跟踪。
你可能会想：不能直接随机交换项目直到看起来被打乱吗？这是许多早期程序员尝试过的方法，但会产生微妙的偏差。某些排列比其他排列出现得更频繁，即使人眼看起来是随机的。
Fisher-Yates洗牌算法（也称为Knuth洗牌，以唐纳德·克努特1969年的推广命名）优雅地解决了这个问题。根据关于洗牌算法的研究，这是唯一保证完美均匀分布的广泛使用的方法。
该算法从列表末尾向开头遍历：
\text{交换位置 } i \text{ 和 } j \text{ 处的元素
是什么使这个算法有效？每个位置都被精确地考虑一次，并且在每一步，你都从一个缩小的未洗牌项目池中选择。数学证明了n个项目的每种排列都恰好有**1/n!**的概率发生。
时间复杂度是O(n)——线性时间。对于100个项目的列表，只需要100次操作。与排序算法（O(n log n)）相比，你就能看出为什么洗牌如此快速。
这里有一些值得了解的事情：质量取决于你的浏览器的伪随机数生成器（PRNG）。现代浏览器如Chrome、Firefox和Safari使用基于ECMAScript标准规范的复杂PRNG，为非加密用途产生高质量的随机性。
这种随机性足够的场景：课堂选择、锦标赛对阵表、派对游戏、任务排序、团队分配。
不足够的场景：加密密钥生成、有法律要求的彩票系统，或安全依赖于不可预测性的应用。对于这些情况，你需要硬件随机数生成器或专门的加密PRNG。
老师们都知道这个痛点：宣布"我们将按字母顺序进行演讲"，姓氏以Z开头的学生松了一口气，而A开头的学生则感到恐慌。随机排序可以解决这个问题。
场景：你有25名学生在一周内进行研究项目演讲。
1 Alice Johnson
2 Bob Smith
3 Carol Williams
4 David Brown
5 Emma Davis
6 点击"随机排序"
你可能得到：
1 1. David Brown
2 2. Alice Johnson
3 3. Emma Davis
4 4. Carol Williams
5 5. Bob Smith
6 经验小贴士：立即保存随机排序的列表。你不可避免地会遇到某个学生在指定日期缺席，你需要证明你没有"跳过"他们。截图或将其粘贴到课程计划中。
建立小型电子竞技比赛或办公室乒乓球锦标赛？随机种子可以防止"安排简单比赛"的指责。
常见错误：使用到达顺序进行配对。早到的参与者可能更有经验（他们有时间热身）或经验不足（他们已经生疏）。随机配对消除了这种隐藏偏见。
你已经盯着餐厅列表看了15分钟。每个人都开始饿了并且变得烦躁。听起来熟悉吗？
为什么这有效（心理学角度）：接受随机结果比捍卫个人偏好更容易。你不是在"屈服"，而是尊重随机性。
教师依靠随机排序器实现公平选择，避免感知偏见：
解决的实际挑战：当总是先叫前排学生时，后排学生会停止准备。随机选择能保持所有人的参与度。
锦标赛组织者和游戏主持人使用随机排序：
任务管理：当优先级相等时，随机排序可打破分析瘫痪，推动团队前进。
面试安排：随机化候选人面试时间可消除一天中时间段的偏见（下午的候选人通常面对疲惫的面试官）。
质量控制抽样：从生产批次中随机选择，确保无偏测试。
不要在Netflix上花20分钟决定看什么。随机排序选择前3个选项。适用于：
随机并不总是最好的。以下是使用不同方法的情况：
加权选择 → 当某些选项应该出现更频繁时（例如，轮换家务时，有些任务需要更长时间——您希望较短的任务更频繁出现以平衡工作量）
分层抽样 → 当您需要每个类别的代表性时（从每个年级选择2名学生，而不是可能全是高年级学生的10名随机学生）
系统性轮换 → 当长期公平性比即时随机性更重要时（按顺序轮换每周的课堂助手职责，确保每个人获得相同次数的轮值）
基于优先级的排序 → 当项目具有不同的重要性级别时（使用具有优先级的任务管理器，而不是随机排序）
基于技能的种子选择 → 对于存在排名的竞技比赛，使用瑞士系统配对，而不是纯随机化
当计算机还是新事物时，程序员需要为模拟洗牌数组。显而易见的方法似乎是：遍历并随机交换项目。简单，对吧？
错了。这些天真的算法创造了隐藏的偏差。某些排列比其他排列出现得更频繁，但这种偏差微妙到需要多年才能发现。根据关于早期随机数生成的研究，这些有缺陷的洗牌程序中的一些在生产代码中持续了几十年，影响了从游戏结果到科学模拟的一切。
有趣的是：解决方案在计算机出现之前就已存在。1938年，统计学家罗纳德·费舍尔和弗兰克·耶茨在他们的书《生物、农业和医学研究的统计表》中发布了一种手动洗牌方法。他们在设计实验时需要手动生成随机排列。
他们的原始过程：
1964年，理查德·杜尔费尔德意识到这可以在计算机上原地进行——无需跟踪单独的"剩余池"。你只需向后走并交换。唐纳德·克努特在《计算机编程艺术》第2卷（1969年）中推广了这种计算机适配，使其成为标准算法。
当JavaScript成为网络语言时，Fisher-Yates也随之而来。现代JavaScript引擎对数组操作进行了如此大的优化，以至于在消费级硬件上洗牌10,000个项目只需几毫秒。
其演变更多地关于随机数质量而非算法本身：
保持不变的是：Fisher-Yates。当你有一个经过数学验证、时间复杂度为O(n)、空间复杂度为O(1)且能产生均匀分布的经过证明的算法时，就没有理由重新发明它。
以下是在各种编程语言中实现Fisher-Yates洗牌算法的示例：
[后续内容保持原有的代码块和解释，完整翻译所有代码和注释]
可以将其视为数字化的从帽子里抽取名字，但更快且更公平。您输入项目（每行一个），点击按钮，就能得到完全随机排序的结果。该工具使用Fisher-Yates算法，计算机科学家已证明该算法能使每种可能的排列具有相等的概率。非常适合课堂选择、锦标赛对阵表、团队分配，或任何需要无偏随机性的场景。
对于现实世界的使用来说是"足够随机"。现代浏览器使用复杂的伪随机数生成器（PRNGs），可以生成适用于教育、游戏和决策的高质量随机性。
适用场景：课堂活动、锦标赛种子、派对游戏、任务排序。
不适用场景：彩票系统、加密密钥，或任何安全和可预测性至关重要的情况。对于这些罕见情况，您需要专门的硬件随机数生成器。
当然可以！再次点击"随机排序列表"，您将得到一个完全不同的排列。每次洗牌都是独立的——算法不会"记住"之前的结果。
有趣的事实：对于小型列表（比如5个项目），只有120种可能的排列。所以您可能偶尔会因为纯粹的巧合看到重复。对于更大的列表，重复的可能性变得极其罕见。
重复项会保留。如果您输入三次"苹果"，输出中将仍有全部三个，只是位置被打乱。算法将它们视为独立的项目（第1个项目是"苹果"，第2个项目是"苹果"等）。
如果您只想要唯一项目：在洗牌前从输入列表中删除重复项。
没有硬性限制，但实用性很重要。我已经测试过使用5,000多个项目，在现代硬件上可以立即洗牌。如果您处理数万个项目，可能会根据您的设备出现短暂延迟。
对于典型用例——课堂花名册（30-40个名字）、锦标赛参与者（64名选手）、任务列表（100个项目）——您永远不会注意到任何性能问题。
零数据离开您的浏览器。这完全是客户端JavaScript——您的列表项目永远不会接触服务器，不会被记录，不会被存储。关闭标签页，一切都消失了。
隐私影响：非常适合敏感列表（员工姓名、机密项目代码等）。由于没有传输，因此不会泄露任何信息。
全部都可以。洗牌器接受任何文本：
每一行都成为一个项目，无论其包含什么。
大多数实现会自动过滤空行，以避免结果中出现空条目。如果您需要占位符，请使用可见的内容：
排序根据规则创建可预测的顺序（A在B之前，1在2之前）。相同的输入总是产生相同的输出。
洗牌根据随机性创建不可预测的顺序。相同的输入每次会产生不同的输出。
需要组织时使用排序，需要公平或多样性时使用洗牌。
可以——只需选择输出文本并复制（Windows/Linux上为Ctrl+C，Mac上为Cmd+C）。结果是纯文本，因此可以将其粘贴到任何地方：电子表格、文档、电子邮件、规划工具。
速度：数字洗牌只需0.05秒。手动洗牌（在纸上写名字，放入帽子，摇晃，抽取）需要5分钟以上。
公平性：人类不擅长随机性。我们无意识地偏向某些模式。Fisher-Yates算法在数学上已被证明是无偏的。
透明度：可以截图结果以作文档记录。使用手动方法时，总有人会怀疑您"作弊"。
完全不会。Fisher-Yates算法保证无论您如何输入项目，都能实现均匀随机分布。无论是按字母顺序、反向字母顺序还是完全随机输入，洗牌后的输出都具有相同的统计特性。
清理输入：每行一个项目，不要有额外的空行。输入越干净，输出就越干净。
决定重复项：想让"Sarah"可能出现两次？保留重复项。想每个名字只出现一次？在洗牌前删除重复项。
使用一致的命名：如果列出学生，不要混用"John Smith"、"J. Doe"和"Rodriguez, Maria"。选择一种格式并坚持使用。
立即保存结果，如果结果很重要。截图、粘贴到文档中，无论如何——只是要捕捉它。如果没有记录结果，之后就无法证明公平性。
向利益相关者解释你的方法。说"我使用了实现Fisher-Yates算法的随机洗牌器"，而不是简单地说"我随机化了它"。透明度能建立信任。
如果感觉不对劲就重新洗牌。如果洗牌50个名字后所有女性都在底部，这在统计上是可能的，但社会上很尴尬。再次洗牌——随机性并不在意。
现代浏览器效果最佳：Chrome、Firefox、Safari和Edge都有出色的随机数生成。如果你使用Internet Explorer 9，请考虑升级。
大型列表（1000多个项目）在过去十年的任何电脑上都能正常工作。如果你在2010年的上网本上洗牌50,000个项目，可能需要等待一两秒。仅此而已。
无论您是在分配课堂演讲、组织比赛，还是只是想决定今晚看什么，随机列表洗牌器都能消除选择中的偏见。它快速、数学公平，而且完全免费使用。
无需注册，无需跟踪，无数据存储——仅仅是由自1964年以来一直是黄金标准的Fisher-Yates算法驱动的纯随机化。在上方输入您的项目，并在毫秒内查看结果。
完美适用于：教师公平选择学生、比赛组织者创建比赛表、团队分配任务、家庭做决定，或任何需要无偏见随机化且不需要手动方法的人。
发现更多可能对您的工作流程有用的工具