伪随机数的生成
随机序列具有的性质:
- 等分布性,随机序列的分布特性是等概分布,或称为一致分布。即是说序列中每个元素出现的概率都是相等的。
- 独立性:随机序列的各个元素之间是相互独立的。
- 不可预测性:该性质可由等分布性和相互独立性推出。
接下来请看一段代码。
package main
import (
"math/rand"
"fmt"
"time"
)
func main() {
a := rand.Intn(100)
fmt.Printf("生成的随机数为%d", a)
}
当程序执行后,假定第一次生成的随机数为67,那么继续执行一次该代码,其结果仍是67。
为什么会出现这样的情况呢?这是因为计算机产生的随机数并不是真正意义上的随机数,而是称之为“伪随机数”。首先来看看利用数学方法产生伪随机数的步骤:
- 找到一个数学模型或算法
- 设置其中参数的值
- 通过某种运算产生种子(即第一个随机数)
- 利用种子,产生第二个随机数
从步骤可以看出,利用数学方法产生随机数主要是确定:随机种子和随机函数。计算机的伪随机数序列是随机函数根据随机种子递推出来的序列。伪随机数产生的值完全可以通过前一个数计算出来。当“种子”固定时,那么这个随机序列其实就是可预料的序列。为了解决这个问题,我们有两种思路可以选择:一是随机种子不变,不断改变随机函数;二是随机函数不变,不断改变随机种子。比较两种方法,第二种方式实现起来比较简单,因此一般会将当前的系统时间设置为随机种子,产生一个不断变化的随机种子。
go的rand包中有设置随机种子的方法。
func Seed(seed int64) { globalRand.Seed(seed) }
修改后的代码变为:
package main
import (
"math/rand"
"fmt"
"time"
)
func main() {
rand.Seed(time.Now().Unix())
a := rand.Intn(100)
fmt.Printf("生成的随机数为%d", a)
}
应用场景
验证码的生成、抽奖活动、token生成、俄罗斯方块的序列出现顺序、麻将和扑克等的顺序、数据加密等。