随机数生成原理 实现方法 不同编程语言的随机数函数
更新时间:2024-05-09 05:42:01 阅读量: 综合文库 文档下载
- 随机数生成原理推荐度:
- 相关推荐
1-0:Microsoft VC++产生随机数的原理:
Srand ( )和Rand( )函数。它本质上是利用线性同余法,y=ax+b(mod m)。其中a,b,m都是常数。因此rand的产生决定于x,x被称为Seed。Seed需要程序中设定,一般情况下取系统时间作为种子。它产生的随机数之间的相关性很小,取值范围是0—32767(int),即双字节(16位数),若用unsigned int 双字节是65535,四字节是4294967295,一般可以满足要求。
1-1: 线性同余法:
其中M是模数,A是乘数,C是增量,为初始值,当C=0时,称此算法为乘同余法;若C≠0,则称算法为混合同余法,当C取不为零的适当数值时,有一些优点,但优点并不突出,故常取C=0。模M大小是发生器周期长短的主要标志,常见有M为素数,取A为M的原根,则周期T=M-1。例如:
a=1220703125
a=32719 (程序中用此组数) a=16807 代码: void main( )
{
const int n=100;
double a=32719,m=1,f[n+1],g[n],seed; m=pow(2,31);
cout<<\设置m值为 \cout<<\输入种子\ //输入种子
cin>>seed; f[0]=seed;
for(int i=1;i<=n;i++) //线性同余法生成随机数 {
f[i]=fmod((a*f[i-1]),(m-1));
g[i-1]=f[i]/(m-1);
cout.setf(ios::fixed);cout.precision(6); //设置输出精度 cout<
结果分析:统计数据的平均值为:0.485653 统计数据的方差为:0.320576
1-2:人字映射 递推公式
就是有名的混沌映射中的“人字映射”或称“帐篷映射”,它的非周期轨道点的分布密度函数:人字映射与线性同余法结合,可产生统计性质优良的均匀随机数。 for(int i=1;i<=n;i++) //线性同余法生成随机数 {
f[i]=fmod((a*f[i-1]),m);
if(f[i]<=m/2) //与人字映射结合生成随机数 {
f[i]=2*f[i]; } else {
f[i]=2*(m-f[i])+1; }
1-3:平方取中法——冯?诺伊曼
1946年前后,由冯?诺伊曼提出,他的办法是去前面的随机数的平方,并抽取中部的数字。例如要生成10位数字,而且先前的值是5772156649,平方后得到33317792380594909201,所以下一个数是7923805949。 for(j=1;j<=n;j++) {
i[j]=i[j-1]*i[j-1]; i[j]=i[j]/pow(10,5);
i[j]=fmod(i[j],pow(10,10)); g[j]=i[j]/pow(10,10);
cout.setf(ios::fixed);cout.precision(6); //设置输出精度
cout< 二:任意分布随机数的生成 利用(0,1)均匀分布的随机数可以产生任意分布的随机数。主要的方法有反函数法,舍选法,离散逼近法,极限近似法和随机变量函数法等。这里主要讨论了反函数法,当然对于具体分布函数可以采用不同的方法。 设随机变量X具有分布函数F(X),则对一个给定的分布函数值,X的值为 其中inv表示反函数。现假设r是(0,1)均匀分布的随机变量R的一个值,已知R的分布函数为 因此,如果r是R的一个值,则X具有概率 也就是说如果 (r1,r2,...,rn)是R的一组值,则相应可得到的一组值 具有分布。从而,如果我们已知分布函数的反函数,我们就可以从(0,1)分布的均匀分布随机数得到所需分布的随机数了。 1-4:指数分布: 指数分布的分布函数为: x<0时,F(x)=0 ; ,F(x)=1-exp 利用上面所述反函数法,可以求得: x= ln(1-y),这里不妨取常数 为1. for(int j=0;j { i=rand()0;//产生从0-32767的任意一个值 a[j]=double(i)/double(100); a[j]=-log(a[j]);// 常数大于0,这里取1 、、、、、、、 1-5:正态分布: 正态分布的概率密度是: 正态分布的分布函数是: 对于正态分布,利用反函数的方法来获取正态分布序列显然是很麻烦的,牵涉到很复杂的积分微分运算,同时为了方便,我们取,即标准正态分布。因此这里介绍了两种算法: 第一种: Box和Muller在1958年给出了由均匀分布的随机变量生成正态分布的随机变量的算法。设U1, U2是区间 (0, 1)上均匀分布的随机变量,且相互独立。令 X1=sqrt(-2*log(U1)) * cos(2*PI*U2); X2=sqrt(-2*log(U1)) * sin(2*PI*U2); 那么X1, X2服从N(0,1)分布,且相互独立。 p=rand()0;//产生从0-32767的任意一个值 b[j]=double(p)/double(100); a[j]=sqrt(-2*log(a[j]))*cos(2*3.1415926*b[j]); 第二种: 近似生成标准正态分布,独立同分布的多个随机变量和的分布趋近于正态分布,取k个均匀分布的(0,1)随机变量,,?? ,则它们的和近似服从正态分布。 实践中,取k=12,(因为D( )=1/12),则新的随机变量y=x1+x2+...+x12-6,可以求出数学期望E(y)=0,方差D(y)=12*1/12=1,因此可以近似描述标准正态分布 这几天再看数据结构和算法,中间遇到了生成不重复的随机数的问题 我先想到的一个算法是这样的: Generator(vector srand(time(NULL)); vector for(int i = 1; i <= num; ++i) { v.push_back(i); } for(int i = 0; i < num; ++i) { vector vec.push_back(*it); v.erase(it); } } 但是由于vector删除效率很低,所以这个算法在10W的时候已经不可接受了,需要17秒左右,后来在网上看到有朋友提出了另一种算法,感觉不错,于是又测试了一下 void Gen(vector srand(time(NULL)); for(int i = 0; i < num; ++i) vec.push_back(i+1); for(int i = 0; i < num; ++i) swap(vec.at(i), vec.at(rand() % num)); } 这个算法是线性的,在10W的时候还可以,需要1.7秒左右,可是100W的时候就要17秒左右了。 想问一下,有没有更高效的生成算法? ________________________________________ 回复:问一个关于随机数生成算法的问题 lz应该把要求说的具体点 一定要vector? ________________________________________ 回复:问一个关于随机数生成算法的问题 同意楼上的。 要生成不重复的随机数,楼主可以自己写一个随机数生成程序啊,为什么一定要用rand()函数? 楼主如果真的对随机数感兴趣,建议楼主看一看Knuth的《计算机程序设计艺术》第二卷。 可以用线性同余法:A(n+1)=(a*A(n)+c)%M 生成取遍1至M-1的所有整数,前提是参数a,c,M选取合适。 ________________________________________ 回复:问一个关于随机数生成算法的问题 STL主要目标是提供一个通用高速的算法,如果对一个专用的功能而且追求很高的效率,最好使用最原始数据类型和直接手写的算法。下面给出我刚刚写好的一个程序,在VC6下编译通过,当n=100万时,仅需0.78秒。 // csdn_5398401.cpp : Defines the entry point for the console application. #include \#include \#include \#include \ typedef unsigned char BYTE; typedef unsigned long DWORD; void test(int n) { int i,c; DWORD idx; DWORD *pBuff; BYTE *pMask; BYTE maskArr[]={1,2,4,8,16,32,64,128}; //---------- c=(n+7)/8; pMask=new BYTE[c]; pBuff=new DWORD[n]; memset(pMask,0,sizeof(BYTE)*c); memset(pBuff,0,sizeof(DWORD)*n); for (i=1;i idx=(rand() << 15)+rand(); idx %= n; //随机得到一个0 to n之间地址,n>x>=0, if ( ( pMask[idx / 8] & maskArr[idx % 8]) ==0) // pBuff[x] 没有存储过任何数 { pMask[idx / 8] |= maskArr[idx % 8];// 置1 pBuff[idx]=i; i++; } } //--------- delete[] pMask; delete[] pBuff; } int main(int argc, char* argv[]) { DWORD t=GetTickCount(); test(1000000); t=GetTickCount()-t; printf(\ return 0; } Java中随机数生成的几种方法 java产生随机数的几种方式 ? 在j2se里我们可以使用Math.random()方法来产生一个随机数,这个产生的随机数是0-1 之间的一个double,我们可以把他乘以一定的数,比如说乘以100,他就是个100以内 的随机,这个在j2me中没有。 ? 在java.util这个包里面提供了一个Random的类,我们可以新建一个Random的对象来产生随机数,他可以产生随机整数、随机float、随机double,随机long,这个也是我们在j2me的程序里经常用的一个取随机数的方法。 ? 在我们的System类中有一个currentTimeMillis()方法,这个方法返回一个从1970年1月1号0点0分0秒到目前的一个毫秒数,返回类型是long,我们可以拿他作为一个随机数,我们可以拿他对一些数取模,就可以把他限制在一个范围之内啦 其实在Random的默认构造方法里也是使用上面第三种方法进行随机数的产生的 对于方法二中的Random类有以下说明: java.util.Random类有两种方式构建方式:带种子和不带种子 不带种子: 此种方式将会返回随机的数字,每次运行结果不一样 public class RandomTest { public static void main(String[] args) { java.util.Random r=new java.util.Random(); for(int i=0;i<10;i++){ System.out.println(r.nextInt()); } } 带种子: 此种方式,无论程序运行多少次,返回结果都是一样的 public static void main(String[] args) { java.util.Random r=new java.util.Random(10); for(int i=0;i<10;i++){ System.out.println(r.nextInt()); } } 两种方式的差别在于 (1) 首先请打开Java Doc,我们会看到Random类的说明: 此类的实例用于生成伪随机数流,此类使用 48 位的种子,该种子可以使用线性同余公式对其进行修改(请参阅 Donald Knuth 的《The Art of Computer Programming, Volume 2》,第 3.2.1 节)。 如果用相同的种子创建两个 Random 实例,则对每个实例进行相同的方法调用序列,它们将生成并返回相同的数字序列。为了保证实现这种特性,我们为类Random指定了特定的算法。为了 Java 代码的完全可移植性,Java 实现必须让类 Random 使用此处所示的所有算法。但是允许 Random 类的子类使用其他算法,只要其符合所有方法的常规协定即可。 Java Doc对Random类已经解释得非常明白,我们的测试也验证了这一点。 (2) 如果没有提供种子数,Random实例的种子数将是当前时间的毫秒数,可以通过System.currentTimeMillis()来获得当前时间的毫秒数。打开JDK的源代码,我们可以非常明确地看到这一点。 /** * Creates a new random number generator. Its seed is initialized to * a value based on the current time: * Random() { this(System.currentTimeMillis()); }java.lang.System#currentTimeMillis() */ public Random() { this(System.currentTimeMillis()); } 另外: random对象的nextInt(),nextInt(int n)方法的说明: int nextInt() 返回下一个伪随机数,它是此随机数生成器的序列中均匀分布的 int 值。 int nextInt(int n) 返回一个伪随机数,它是从此随机数生成器的序列中取出的、在 0(包括)和指定值(不包括)之间均匀分布的 int值。 C++中随机数生成方法 标准库 从srand (seed)中指定的seed开始,返回一个[seed, RAND_MAX(0x7fff))间的随机整数。 函数二:void srand(unsigned seed); 参数seed是rand()的种子,用来初始化rand()的起始值。 可以认为rand()在每次被调用的时候,它会查看: 1) 如果用户在此之前调用过srand(seed),给seed指定了一个值,那么它会自动调用 srand(seed)一次来初始化它的起始值。 2) 如果用户在此之前没有调用过srand(seed),它会自动调用srand(1)一次。 根据上面的第一点我们可以得出: 1) 如果希望rand()在每次程序运行时产生的值都不一样,必须给srand(seed)中的seed一个变值,这个变值必须在每次程序运行时都不一样(比如到目前为止流逝的时间)。 2) 否则,如果给seed指定的是一个定值,那么每次程序运行时rand()产生的值都会一样,虽然这个值会是[seed, RAND_MAX(0x7fff))之间的一个随机取得的值。 3) 如果在调用rand()之前没有调用过srand(seed),效果将和调用了srand(1)再调用rand()一样(1也是一个定值)。 举几个例子,假设我们要取得0~6之间的随机整数(不含6本身): 例一,不指定seed: for(int i=0;i<10;i++){ ran_num=rand() % 6; cout< } 每次运行都将输出:5 5 4 4 5 4 0 0 4 2 例二,指定seed为定值1: srand(1); for(int i=0;i<10;i++){ ran_num=rand() % 6; cout< 每次运行都将输出:5 5 4 4 5 4 0 0 4 2 跟例子一的结果完全一样。 例三,指定seed为定值6: srand(6); for(int i=0;i<10;i++){ ran_num=rand() % 6; cout< 每次运行都将输出:4 1 5 1 4 3 4 4 2 2 随机值也是在[0,6)之间,随得的值跟srand(1)不同,但是每次运行的结果都相同。 例四,指定seed为当前系统流逝了的时间(单位为秒):time_t time(0): #include srand((unsigned)time(0)); for(int i=0;i<10;i++){ ran_num=rand() % 6; cout< 第一次运行时输出:0 1 5 4 5 0 2 3 4 2 第二次:3 2 3 0 3 5 5 2 2 3 总之,每次运行结果将不一样,因为每次启动程序的时刻都不同(间隔须大于1秒?见下)。 关于time_t time(0): time_t被定义为长整型,它返回从1970年1月1日零时零分零秒到目前为止所经过的时间,单位为秒。比如假设输出: cout<
正在阅读:
随机数生成原理 实现方法 不同编程语言的随机数函数05-09
浅谈地方立法如何以上位法为依据05-15
LED投光灯50W安装说明书08-08
2014-2015学年新人教版小学数学五年级下第三次月考试卷2(带解析)09-15
赞美别人的作文精选6篇02-05
最新人教版九年级数学上册25.2 列举法求概率(2) 同步练习06-11
人教版三年级上期末数学真题(一)、三下数学期末应用题专项复习03-19
移动教育的发展和应用状况综述12-20
市场营销学鲜乐美案例分析03-17
2010中学历史教学法自学辅导材料60份03-08
- 多层物业服务方案
- (审判实务)习惯法与少数民族地区民间纠纷解决问题(孙 潋)
- 人教版新课标六年级下册语文全册教案
- 词语打卡
- photoshop实习报告
- 钢结构设计原理综合测试2
- 2014年期末练习题
- 高中数学中的逆向思维解题方法探讨
- 名师原创 全国通用2014-2015学年高二寒假作业 政治(一)Word版
- 北航《建筑结构检测鉴定与加固》在线作业三
- XX县卫生监督所工程建设项目可行性研究报告
- 小学四年级观察作文经典评语
- 浅谈110KV变电站电气一次设计-程泉焱(1)
- 安全员考试题库
- 国家电网公司变电运维管理规定(试行)
- 义务教育课程标准稿征求意见提纲
- 教学秘书面试技巧
- 钢结构工程施工组织设计
- 水利工程概论论文
- 09届九年级数学第四次模拟试卷
- 随机数
- 编程语言
- 函数
- 生成
- 原理
- 不同
- 实现
- 方法