7

rand()尽管使用种子 via ，但通常不赞成使用 of srand()。为什么会这样？有什么更好的选择？

4

7 回答 7

17

这个故事有两个部分。

首先，rand是一个伪随机数生成器。这意味着它取决于种子。对于给定的种子，它将始终给出相同的序列（假设相同的实现）。这使得它不适合某些高度关注安全性的应用程序。但这并不特定于rand. 这是任何伪随机生成器的问题。并且肯定有很多类别的问题可以接受伪随机生成器。真正的随机生成器有其自身的问题（效率、实现、熵），因此对于与安全无关的问题，通常使用伪随机生成器。

因此，您分析了您的问题并得出结论，伪随机生成器是解决方案。在这里，我们遇到了 C 随机库（包括rand和srand）的真正问题，这些问题特定于它并使其过时（又名：你永远不应该使用的原因rand和 C 随机库）。

  • 一个问题是它有一个全局状态（由 设置srand）。这使得不可能同时使用多个随机引擎。它还使多线程任务变得非常复杂。

  • 它最明显的问题是它缺少一个分发引擎：rand给你一个间隔的数字[0 RAND_MAX]。它在这个区间内是均匀的，这意味着这个区间内的每个数字都有相同的概率出现。但大多数情况下，您需要一个特定间隔内的随机数。比方说[0, 1017]。一个常用（和幼稚）的公式是rand() % 1018. 但问题在于，除非RAND_MAX是精确的倍数，否则1018不会得到均匀分布。

  • 另一个问题是实施的质量rand。这里还有其他答案比我能更好地详细说明这一点，所以请阅读它们。

在现代 C++ 中，您绝对应该使用 C++ 库，<random>其中包含多个随机定义明确的引擎以及整数和浮点类型的各种分布。

于 2018-10-18T08:29:34.090 回答
6

rand() 这里的答案都没有解释坏的真正原因。

rand()是一个伪随机数生成器 (PRNG)，但这并不意味着它一定是坏的。实际上，有非常好的 PRNG，它们在统计上很难或不可能与真正的随机数区分开来。

rand()是完全实现定义的，但从历史上看，它是作为线性同余生成器 (LCG)实现的，这通常是一种快速但臭名昭著的 PRNG 类。这些生成器的低位具有比高位低得多的统计随机性，并且生成的数字可以产生可见的晶格和/或平面结构（最好的例子是著名的RANDU PRNG）。一些实现尝试通过将位右移一个预定义的量来减少低位问题，但是这种解决方案也减少了输出的范围。

尽管如此，还是有一些优秀的 LCG 的显着例子，例如 L'Ecuyer 的 64 位和 128 位乘法线性同余发生器，在不同大小和良好晶格结构的线性同余发生器表中提出，Pierre L'Ecuyer，1999 年。

一般的经验法则是不要信任rand()，使用您自己的符合您的需求和使用要求的伪随机数生成器。

于 2018-10-18T08:49:15.737 回答
5

rand/的坏处srand是rand——</p>

  • 对其生成的数字序列使用未指定的算法，但
  • 允许将该算法初始化srand为可重复的“随机性”。

这两点结合在一起，阻碍了实现改进实现的能力rand（例如，使用加密随机数生成器 [RNG] 或其他“更好”的算法来生成伪随机数）。例如，JavaScriptMath.random和 FreeBSDarc4random没有这个问题，因为它们不允许应用程序为可重复的“随机性”播种它们——正是由于这个原因，V8 JavaScript 引擎能够将其Math.random实现更改为xorshift128+while的变体保持向后兼容性。（另一方面，让应用程序提供额外的数据来补充“随机性”，如 中的BCryptGenRandom，问题较小；但即便如此，

还：

  • 和 的算法和播种过程未指定这一事实rand意味着srand即使在rand/srand实现之间、同一标准库的版本之间、操作系统之间等之间也不能保证可重现的“随机性”。
  • 如果srand在 is 之前未调用，rand则rand其行为类似于srand(1)第一次调用。在实践中，这意味着它rand只能实现为伪随机数生成器 (PRNG) 而不是非确定性 RNG，并且rand无论应用程序是否调用，PRNG 算法在给定实现中都不会有所不同srand。

编辑（2020 年 7 月 8 日）：

还有一件更重要的事情是不好的rand和srand。这些函数的 C 标准中没有任何内容指定由所传递的“伪随机数”rand必须遵循的特定分布，包括均匀分布，甚至是近似于均匀分布的分布。将此与 C++uniform_int_distribution和uniform_real_distribution类以及 C++ 指定的特定伪随机生成器算法（例如linear_congruential_engine和mt19937.

编辑（2020 年 12 月 12 日开始）：

rand关于and的另一个坏处是srand：srand种子只能像unsigned. unsigned必须至少为 16 位，并且在大多数主流 C 实现中，unsigned是16 位或 32 位，具体取决于实现的数据模型（尤其不是 64 位，即使 C 实现采用 64 位数据模型）。因此，通过这种方式可以选择不超过 2^N 个不同的数字序列（其中 N 是 an 中的位数unsigned），即使实现的底层算法rand可以产生比这更多的不同序列（例如，2^128甚至是 C++ 中的 2^19937 mt19937)。

于 2018-10-18T19:48:35.300 回答
2

首先，srand()没有得到种子，它设置了种子。播种是使用任何伪随机数生成器 (PRNG) 的一部分。当播种时，PRNG 从该种子产生的数字序列是严格确定的，因为（大多数？）计算机无法生成真正的随机数。更改您的 PRNG 不会阻止序列从种子中可重复，事实上，这是一件好事，因为产生相同的伪随机数序列的能力通常很有用。

那么，如果所有 PRNG 都共享这个特性，rand()为什么会被rand()认为是坏的呢？好吧，它归结为伪随机的“伪”部分。我们知道 PRNG 不可能是真正随机的，但我们希望它的行为尽可能接近真正的随机数生成器，并且可以应用各种测试来检查 PRNG 序列与真正的随机序列的相似程度. 尽管标准未指定其实现，但rand()在每个常用的编译器中，都使用了一种非常古老的生成方法，适用于非常弱的硬件，并且在这些测试中产生的结果相当糟糕。从那时起，已经创建了许多更好的随机数生成器，最好选择适合您需求的随机数生成器，而不是依赖rand().

哪个适合您的目的取决于您在做什么，例如您可能需要加密质量或多维生成，但对于许多用途，您只是希望事情是相当均匀随机的，快速生成，并且没有钱该行基于您可能需要xoroshiro128+生成器的结果质量。或者，您可以使用 C++<random>标头中的一种方法，但提供的生成器不是最先进的，现在可以使用更好的方法，但是，它们对于大多数用途来说仍然足够好并且非常方便。

如果有钱（例如在线赌场中的洗牌等），或者您需要加密质量，您需要仔细调查适当的生成器并确保它们完全符合您的特定需求。

于 2018-10-18T08:32:44.413 回答
1

rand由于历史原因，通常（但并非总是）是一个非常糟糕的伪随机数生成器（PRNG）。它有多糟糕是特定于实现的。

C++11 有很好的、更好的 PRNG。使用它的<random>标准标题。请参阅std::uniform_int_distribution 此处，上面有一个很好的示例std::mersenne_twister_engine。

PRNG 是一个非常棘手的主题。我对他们一无所知，但我相信专家。

于 2018-10-18T08:16:45.957 回答
0

让我添加另一个使 rand() 完全不可用的原因：该标准没有定义它生成的随机数的任何特征，既没有分布也没有范围。

如果没有定义分布，我们甚至无法将其包装成我们想要的分布。

更进一步，理论上我可以通过简单地返回 0 来实现 rand()，并宣布RAND_MAX我的 rand() 是 0。

或者更糟糕的是，我可以让最低有效位始终为 0，这并不违反标准。想象有人写代码，如if (rand()%2) ....

实际上， rand() 是实现定义的，标准说：

无法保证产生的随机序列的质量，并且已知某些实现会产生具有令人痛苦的非随机低位比特的序列。具有特殊要求的应用程序应使用已知足以满足其需求的生成器

http://www.open-std.org/jtc1/sc22/wg14/www/docs/n1570.pdf p36

于 2021-12-02T09:31:51.727 回答
-4

如果您使用 rand()，则在生成随机数后，您将基本上得到相同的结果。因此，即使在使用 srand() 之后，如果有人能猜出您使用的种子，也很容易预测生成的数字。这是因为函数 rand() 使用特定的算法来产生这样的数字

有一些时间可以浪费，你可以弄清楚如何在给定种子的情况下预测函数生成的数字。你现在需要的只是猜测种子。有些人将种子称为当前时间。所以如果能猜出你运行应用程序的时间，我就能预测出这个数字

使用 RAND() 很糟糕！！！！

于 2018-10-18T08:13:00.823 回答