随机数算法

软件实现的算法都是伪随机算法，随机种子一般是系统时间
在数论中，线性同余方程是最基本的同余方程，“线性”表示方程的未知数次数是一次，即形如：
ax≡b (mod n)的方程。此方程有解当且仅当 b 能够被 a 与 n 的最大公约数整除（记作 gcd(a,n) | b）。这时，如果 x0 是方程的一个解，那么所有的解可以表示为：
{x0+kn/d|(k∈z)}
其中 d 是a 与 n 的最大公约数。在模 n 的完全剩余系 {0,1,…,n-1} 中，恰有 d 个解。
例子编辑
* 在方程
3x ≡ 2 (mod 6)
中， d = gcd(3,6) = 3 ，3 不整除 2，因此方程无解。
* 在方程
5x ≡ 2 (mod 6)
中， d = gcd(5,6) = 1，1 整除 2，因此方程在{0,1,2,3,4,5} 中恰有一个解: x=4。
* 在方程
4x ≡ 2 (mod 6)
中， d = gcd(4,6) = 2，2 整除 2，因此方程在{0,1,2,3,4,5} 中恰有两个解: x=2 and x=5。


纯线性同余随机数生成器
线性同余随机数生成器介绍：
古老的LCG(linear congruential generator)代表了最好最朴素的伪随机数产生器算法。主要原因是容易理解，容易实现，而且速度快。 


LCG 算法数学上基于公式：




X(0)=seed;
X(n+1) = (A * X(n) + C) % M;


其中，各系数为：
X(0)表示种子seed
模M, M > 0
系数A, 0 < A < M
增量C, 0 <= C < M
原始值(种子) 0 <= X(0) < M
其中参数c, m, a比较敏感，或者说直接影响了伪随机数产生的质量。


一般来说我们采用M=(2^31)-1 = 2147483647，这个是一个31位的质数，A=48271，这个A能使M得到一个完全周期


，这里C为奇数，同时如果数据选择不好的话，很有可能得到周期很短的随机数，例如


，如果我们去Seed=179424105的话，那么随机数的周期为1，也就失去了随机的意义。

(48271*179424105+1)mod(2的31次方-1)=179424105

package test;  
  
import java.util.HashMap;
import java.util.Map;
import java.util.concurrent.atomic.AtomicLong;
  
public class Random {  
      
    public final AtomicLong seed=new AtomicLong();  
    public final static long C = 1;  
    public final static long A = 48271;  
    public final static long M = (1L << 31) - 1;  
      
    
    public Random(int seed){
    	this.seed.set(seed);
    }
    
    public Random(){
    	this.seed.set(System.nanoTime());
    }
    
    public long nextLong(){
    	seed.set(System.nanoTime());
    	return  (A *seed.longValue()  + C) % M;
    }
    public int nextInt(int number){
    	return  new Long( (A * System.nanoTime() + C) % number).intValue();
    }
    
      
      
    public static void main(String[] args) {  
    	System.out.println(new Random().nextLong());
    	Map<Integer,Integer> map=new HashMap<Integer,Integer>();
    	for(int i=0;i<100000;i++){
    		int ran=new Random().nextInt(10);
    		if(map.containsKey(ran)){
    			map.put(ran, map.get(ran)+1);
    		}else{
    			map.put(ran, 1);
    		}
    		
    	}
    	System.out.println(map);
    }  
}  

自己写个简单例子，随机10万次，随机范围0到9，看看是否均匀

相对来说还是挺均匀的