算法：线性同余法(LCG,Linear Congruential Generator)

湫兮之风

已于 2025-02-05 11:11:36 修改

阅读量1k

点赞数 10

分类专栏：算法文章标签：算法 c++

于 2025-02-05 10:56:22 首次发布

本文链接：https://blog.csdn.net/Ethan_Rich/article/details/145451254

版权

算法专栏收录该内容

1 篇文章

订阅专栏

1. 线性同余法（LCG）是什么？

线性同余法（LCG，Linear Congruential Generator） 是一种最简单、最常见的伪随机数生成算法。它使用一个递推公式，通过线性变换生成一系列的伪随机数。

LCG 的特点：

计算简单，适合快速生成伪随机数
适用于硬件和软件环境
生成的随机数序列具有周期性（如果参数选择不当，周期可能较短）

2. LCG 的数学公式

LCG 通过以下递推公式生成随机数：

3. 线性同余法的示例

(1) C++ 实现 LCG

#include <iostream>

class LCG {
private:
    uint64_t state;   // 当前随机数
    const uint64_t a = 1664525;   // 乘数
    const uint64_t c = 1013904223; // 增量
    const uint64_t m = 1ULL << 32; // 2^32, 典型的取值
    
public:
    LCG(uint64_t seed) : state(seed) {}

    // 生成下一个随机数
    uint32_t next() {
        state = (a * state + c) % m;
        return (uint32_t)state; 
    }

    // 生成[0,1)范围的浮点数
    double nextDouble() {
        return (double)next() / m;
    }
};

int main() {
    LCG rng(12345); // 以 12345 作为种子
    
    for (int i = 0; i < 10; i++) {
        std::cout << rng.next() << std::endl;
    }

    return 0;
}

输出示例：

（数值会根据种子不同而不同）

（2）opencv的实现

state = (uint64)(unsigned)state* /*CV_RNG_COEFF*/ 4164903690U + (unsigned)(state >> 32);

state：这是 RNG 类的一个成员变量，用于保存随机数生成器的当前状态。它是一个 64 位无符号整数（uint64 类型）。
(uint64)(unsigned)state：首先将 state 强制转换为 unsigned 类型（通常是 32 位无符号整数），然后再将其转换为 uint64 类型。这样做的目的是只取 state 的低 32 位进行后续计算。
4164903690U：这是一个无符号整数常量，可能是作为随机数生成算法中的一个系数（注释中的 CV_RNG_COEFF 也暗示了这一点）。通过将 state 的低 32 位乘以这个系数，可以改变 state 的值，从而引入随机性。
(unsigned)(state >> 32)：将 state 右移 32 位，即取 state 的高 32 位，然后将其转换为 unsigned 类型。这一步操作可以将 state 的高 32 位与低 32 位经过系数乘法后的结果相加。
最后将计算结果赋值给 state，更新随机数生成器的状态。

在这段代码中：

X_n 相当于 state 的当前值。
a 相当于系数 4164903690U。
c 相当于 (unsigned)(state >> 32)。
m 是 uint64 类型的最大值，因为 state 是 uint64 类型，计算结果会自动进行模运算（溢出处理）。

通过不断更新 state 的值，并返回其低 32 位作为随机数，就可以生成一系列看似随机的无符号整数。但需要注意的是，LCG 生成的随机数是伪随机的，即它们是通过确定性的算法生成的，在特定条件下可能会出现重复的序列。

4. 线性同余法的周期性

5. 常见的参数选择

为了保证长周期和较好的随机性，不同系统有推荐的参数：

OpenCV RNG 采用的是 Numerical Recipes 参数：

state = (1664525 * state + 1013904223) % (1ULL << 32);

6. LCG 的优缺点

✅ 优点

计算简单（只用加法、乘法和取模）
速度快
适用于硬件实现

❌ 缺点

随机性较差，不适合密码学
低维分布性不好（会在高维空间形成结构）
周期有限（如果参数选择不好，可能周期很短）

7. 更好的随机数生成方法

尽管 LCG 计算简单，但如果需要更高质量的随机数，推荐：

Xorshift：更快，适用于高效随机数生成
PCG（Permuted Congruential Generator）：高质量 + 低计算量
Crypto-safe PRNGs（如 ChaCha20）：适用于密码学

8. 总结

线性同余法（LCG）是一种简单、快速的伪随机数生成算法，使用递推公式生成数列。
LCG 的随机性取决于参数（a,c,m），OpenCV 采用的是 Numerical Recipes 的参数。
适用于简单随机数需求，但不适用于高精度或安全性要求高的场景。
现代高质量随机数生成器如 Mersenne Twister, Xorshift, PCG 逐渐取代了 LCG。

➡ 结论：LCG 适用于一般场景，但更好的随机数生成方法可用于更高级应用！