这是我最近参加的一次采访中提出的问题。
据我所知,两个数字之间的随机数可以生成如下
public static int rand(int low, int high) {
return low + (int)(Math.random() * (high - low + 1));
}
但是在这里我使用 Math.random() 来生成一个介于 0 和 1 之间的随机数,并使用它来帮助我在低和高之间生成。有没有其他方法可以在不使用外部函数的情况下直接执行?
这是我最近参加的一次采访中提出的问题。
据我所知,两个数字之间的随机数可以生成如下
public static int rand(int low, int high) {
return low + (int)(Math.random() * (high - low + 1));
}
但是在这里我使用 Math.random() 来生成一个介于 0 和 1 之间的随机数,并使用它来帮助我在低和高之间生成。有没有其他方法可以在不使用外部函数的情况下直接执行?
典型的伪随机数生成器根据之前的数计算新数,因此理论上它们是完全确定的。通过提供良好的种子(随机数生成算法的初始化)来保证唯一的随机性。只要随机数不是非常安全关键(这将需要“真正的”随机数),这样的递归随机数生成器通常可以满足需求。
一旦提供了种子,就可以在没有任何“外部”函数的情况下表示递归生成。有几种算法可以解决这个问题。一个很好的例子是线性同余生成器。
伪代码实现可能如下所示:
long a = 25214903917; // These Values for a and c are the actual values found
long c = 11; // in the implementation of java.util.Random(), see link
long previous = 0;
void rseed(long seed) {
previous = seed;
}
long rand() {
long r = a * previous + c;
// Note: typically, one chooses only a couple of bits of this value, see link
previous = r;
return r;
}
您仍然需要为这个生成器播种一些初始值。这可以通过执行以下操作之一来完成:
请注意,没有一种算法可以为具有相同输入的不同运行生成不同的值,而无需访问某些外部资源(如系统环境)。每个种子良好的随机数生成器都使用一些外部资源。
在这里,我建议一些带有评论的来源可能对您有帮助:
/proc
文件数据:在 Linux 系统上。我觉得你应该使用这个。
/proc/sys/kernel/random:
该目录包含控制文件操作的各种参数/dev/random
。
字符特殊文件/dev/random
和/dev/urandom
(从 开始出现Linux
1.3.30
)为内核的随机数生成器提供了一个接口。
试试这个逗号:
$cat /dev/urandom
和
$cat /dev/random
您可以编写一个从该文件读取的文件读取函数。
`
System.currentTimeMillis()
算不算外挂?你总是可以得到这个并通过一些最大值计算 mod:
int rand = (int)(System.currentTimeMillis()%high)+low;
从 和之间x = 4x(1-x)
的“非理性”开始,您可以从逻辑图中获得接近随机性(实际上是混乱且绝对不均匀*)。x
0
1
“随机性”的出现是因为浮点表示精度边缘的舍入误差。
(*)一旦你知道它在那里,你可以撤消倾斜。
您可以使用变量的地址或组合更多变量的地址来制作更复杂的...
您可以获得当前系统时间,但这也需要大多数语言的函数。
如果您被允许使用某些外部状态(例如,使用当前系统时间初始化的长),您可以在没有外部函数的情况下执行此操作。这足以让您实现一个简单的伪随机数生成器。
在对随机函数的每次调用中,您将使用状态来创建一个新的随机值,并更新状态,以便后续调用得到不同的结果。
您只需使用常规 Java 算术和/或按位运算即可完成此操作,因此不需要外部函数。
public class randomNumberGenerator {
int generateRandomNumber(int min, int max) {
return (int) ((System.currentTimeMillis() % max) + min);
}
public static void main(String[] args) {
randomNumberGenerator rn = new randomNumberGenerator();
int cv = 0;
int min = 1, max = 4;
Map<Integer, Integer> hmap = new HashMap<Integer, Integer>();
int count = min;
while (count <= max) {
cv = rn.generateRandomNumber(min, max);
if ((hmap.get(cv) == null) && cv >= min && cv <= max) {
System.out.print(cv + ",");
hmap.put(cv, 1);
count++;
}
}
}
}
泊松随机发生器
假设我们从随机数的期望值“v”开始。然后说一个非负整数序列满足具有期望值 v 的泊松分布意味着在子序列上,该值的平均值(平均值)将出现“v”。泊松分布是统计数据的一部分,详细信息可以在维基百科上找到。但是这里使用这个函数的主要优点是: 1. 只生成整数值。2. 这些整数的平均值将等于我们最初提供的值。
它在小数值没有意义的应用程序中很有帮助。就像 1 分钟内到达机场的飞机数量是 2.5(没有意义),但这意味着 2 分钟内有 5 个计划到达。
int poissonRandom(double expectedValue) {
int n = 0; //counter of iteration
double limit;
double x; //pseudo random number
limit = exp(-expectedValue);
x = rand() / INT_MAX;
while (x > limit) {
n++;
x *= rand() / INT_MAX;
}
return n;
}
线
rand() / INT_MAX
应该生成一个介于 0 和 1 之间的随机数。所以我们可以使用系统的时间。秒 / 60 将达到目的。我们应该使用哪个功能完全取决于应用程序。