正文

随机数和伪随机数（随机数和伪随机数的区别）

发布时间：2023-06-08 13:31:45 稿源：创意岭阅读： 96

大家好！今天让创意岭的小编来大家介绍下关于随机数和伪随机数的问题，以下是小编对此问题的归纳整理，让我们一起来看看吧。

开始之前先推荐一个非常厉害的Ai人工智能工具，一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等

只需要输入关键词，就能返回你想要的内容，有小程序、在线网页版、PC客户端和批量生成器

问友Ai官网：https://ai.de1919.com。

本文目录:

什么是随机数及随机数种子，能不能详细通俗介绍一下？
随机数和伪随机数的计算公式都是什么呀？
什么是伪随机和真随机？

随机数和伪随机数（随机数和伪随机数的区别）

什么是随机数及随机数种子，能不能详细通俗介绍一下？

随机数就是就随机数种子中取出的数。种子就是个序号，这个序号交给一个数列管理器，通过这个序号，你从管理器中取出一个数列，这个数列就是你通过那个序号得到的随机数。

但这个随技术并不真正随机。因为它是通过某个算法的得到。也就是说你给数列管理器同一个序号将得到同样一个“随机”数列。

也就是说种子和随机数列是一一对应的。{An}=f(x), x 就是种子，F()是算法，{An}是数列，这个数列看上去是随机的，这是因为An的通项很复杂。

例如：
从1、2、3、4、5、6、7、8、9、0这十个数中随机取出一个数，取出的数是6的话，那么6就叫随机数。十个数字就叫随机数种子。
如果是从1到50之间取数字，取出的数字叫随机数，这1到50那50个数字就叫随机数种子。

扩展资料：

根据密码学原理，随机数的随机性检验可以分为三个标准：

统计学伪随机性。统计学伪随机性指的是在给定的随机比特流样本中，1的数量大致等于0的数量，同理，“10”“01”“00”“11”四者数量大致相等。类似的标准被称为统计学随机性。满足这类要求的数字在人类“一眼看上去”是随机的。

密码学安全伪随机性。其定义为，给定随机样本的一部分和随机算法，不能有效的演算出随机样本的剩余部分。

真随机性。其定义为随机样本不可重现。实际上只要给定边界条件，真随机数并不存在，可是如果产生一个真随机数样本的边界条件十分复杂且难以捕捉（比如计算机当地的本底辐射波动值），可以认为用这个方法演算出来了真随机数。

相应的，随机数也分为三类：

伪随机数：满足第一个条件的随机数。

密码学安全的伪随机数：同时满足前两个条件的随机数。可以通过密码学安全伪随机数生成器计算得出。

真随机数：同时满足三个条件的随机数。

参考资料来源：百度百科--随机数

参考资料来源：百度百科 --随机数种子

随机数和伪随机数的计算公式都是什么呀？

　　为追求真正的随机序列，人们曾采用很多种原始的物理方法用于生成一定范围内满足精度（位数）的均匀分布序列，其缺点在于：速度慢、效率低、需占用大量存储空间且不可重现等。为满足计算机模拟研究的需求，人们转而研究用算法生成模拟各种概率分布的伪随机序列。伪随机数是指用数学递推公式所产生的随机数。从实用的角度看，获取这种数的最简单和最自然的方法是利用计算机语言的函数库提供的随机数发生器。典型情况下，它会输出一个均匀分布在0和1区间内的伪随机变量的值。其中应用的最为广泛、研究最彻底的一个算法即线性同余法。
　　线性同余法LCG（Linear Congruence Generator）
　　选取足够大的正整数M和任意自然数n0，a，b，由递推公式：
　　ni+1=（af（ni）+b）mod M i=0，1，…，M-1
　　生成的数值序列称为是同余序列。当函数f（n）为线性函数时，即得到线性同余序列：
　　ni+1=（a*ni+b）mod M i=0，1，…，M-1
　　以下是线性同余法生成伪随机数的伪代码：
　　Random（n，m，seed，a，b）
　　{
　　r0 = seed；
　　for （i = 1；i<=n；i++）
　　ri = （a*ri-1 + b） mod m
　　}
　　其中种子参数seed可以任意选择，常常将它设为计算机当前的日期或者时间；m是一个较大数，可以把它取为2w，w是计算机的字长；a可以是0.01w和0.99w之间的任何整数。
　　应用递推公式产生均匀分布随机数时，式中参数n0，a，b，M的选取十分重要。
　　例如，选取M=10，a=b =n0=7，生成的随机序列为{6，9，0，7，6，9，……}，周期为4。
　　取M=16，a=5，b =3，n0=7，生成的随机序列为{6，1，8，11，10，5，12，15，14，9，0，3，2，13，4，7，6，1……}，周期为16。
　　取M=8，a=5，b =1，n0=1，生成的随机序列为{6，7，4，5，2，3，0，1，6，7……}，周期为8。
　　Visual C++中伪随机数生成机制
　　用VC产生随机数有两个函数，分别为rand（void）和srand（seed）。rand()产生的随机整数是在0~RAND_MAX之间平均分布的，RAND_MAX是一个常量（定义为：#define RAND_MAX 0x7fff）。它是short型数据的最大值，如果要产生一个浮点型的随机数，可以将rand()/1000.0，这样就得到一个0~32.767之间平均分布的随机浮点数。如果要使得范围大一点，那么可以通过产生几个随机数的线性组合来实现任意范围内的平均分布的随机数。
　　其用法是先调用srand函数，如
　　srand( (unsigned)time( NULL ) )
　　这样可以使得每次产生的随机数序列不同。如果计算伪随机序列的初始数值（称为种子）相同，则计算出来的伪随机序列就是完全相同的。要解决这个问题，需要在每次产生随机序列前，先指定不同的种子，这样计算出来的随机序列就不会完全相同了。以time函数值（即当前时间）作为种子数，因为两次调用rand函数的时间通常是不同的，这样就可以保证随机性了。也可以使用srand函数来人为指定种子数分析以下两个程序段，
　　程序段1：
　　//包含头文件
　　void main() {
　　int count=0;
　　for (int i=0;i<10;i++){
　　srand((unsigned)time(NULL));
　　count++;
　　cout<<"No"<
　　//包含头文件
　　void main() {
　　int count=0;
　　srand((unsigned)time(NULL));
　　for (int i=0;i<10;i++){
　　count++;
　　cout<<"No"<
　　No1=9694 No2=9694 No3=9694 No4=9694 No5=9694
　　No6=9694 No7=9694 No8=9694 No9=9694 No10=9694
　　程序段2的运行结果为：
　　No1=10351 No2=444 No3=11351 No4=3074 No5=21497
　　No6=30426 No7=6246 No8=24614 No9=22089 No10=21498
　　可以发现，以上两个程序段由于随机数生成时选择的种子的不同，运行的结果也不一样。rand()函数返回随机数序列中的下一个数(实际上是一个伪随机数序列，序列中的每一个数是由对其前面的数字进行复杂变换得到的)。为了模仿真正的随机性，首先要调用srand()函数给序列设置一个种子。为了更好地满足随机性，使用了时间函数time()，以便取到一个随时间变化的值，使每次运行rand()函数时从srand()函数所得到的种子值不相同。伪随机数生成器将作为"种子"的数当作初始整数传给函数。这粒种子会使这个球（生成伪随机数）一直滚下去。
　　程序段1中由于将srand（）函数放在循环体内，而程序执行的CPU时间较快，调用time函数获取的时间精度却较低（55ms），这样循环体内每次产生随机数用到的种子数都是一样的，因此产生的随机数也是一样的。而程序段2中第1次产生的随机数要用到随机种子，以后的每次产生随机数都是利用递推关系得到的。基于MFC的随机校验码生成
　　Web应用程序中经常要利用到随机校验码，校验码的主要作用是防止黑客利用工具软件在线破译用户登录密码，校验码、用户名、密码三者配合组成了进入Web应用系统的钥匙。在利用VC开发的基于客户机/浏览器（Client/Server）模式的应用软件系统中，为了防止非法用户入侵系统，通常也要运用随机校验码生成技术。

随机数和伪随机数（随机数和伪随机数的区别）

什么是伪随机和真随机？

所谓真伪随机其实分别指的是几率和概率。
所谓概率，用Dota里话说，就是出现得并不规律，但是大致上就是这么多次数。比如17％，如果是每2000次为一周期，那么17％意味着，尽管你不确定这340次究竟会什么时候出现，但2000次中必然出现340次，不多一次也不会少一次。貌似这就是伪随机了。概率事件之间相互影响，一旦这一次没有触发，那么下一次触发的概率就会变大。形象而言，概率事件就好比，一个班有50位同学抓阄抽奖，纸条总计50个，其中10个有有奖，40个没奖。可以确定，按理说每个人平均都有20％的中奖可能。一旦第一位同学没有抽到，那么剩下同学平均中奖的可能性就会从20％提高到20.40％，以此类推，如果前10位同学都没有中奖，那么剩下同学中奖概率将提高到平均25％。但是不管谁中谁没中，最后横竖只有20％的人中奖。这就是20％的中奖概率。
而真随机则是指几率。比如17％的几率，意味着你这次触发特殊事件是17％的可能性，下次也是，每一次都是。如果你这次失败，下次依然保持在17％的可能性。。同样使用上面抽奖的例子，这次把20％概率换成20％的几率，那么就成了这样了：50个同学，每人会得到一个装着50张纸条的盒子，其中有10张有奖，40张不中奖，每人可以抽10张纸条。那么这时候，大家抽奖就是个抽各的，互不影响。你抽中了不会导致别人中或者不中，这就是几率，意味着事件之间毫无联系，说不定50个人总计可以抽到1000张全部奖品，或者50人全部空手而回。虽然同样是20％的可能性，概率是所有事件相互影响，总体可能性保持在20％，而几率是所有事件相互独立，单次可能性保持在20％，但总体中奖分布则在0到100％之间浮动。

以上就是关于随机数和伪随机数相关问题的回答。希望能帮到你，如有更多相关问题，您也可以联系我们的客服进行咨询，客服也会为您讲解更多精彩的知识和内容。