伪随机数的生成

伪随机数的生成

随机序列具有的性质：

1. 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。
2. 独立性：随机序列的各个元素之间是相互独立的。
3. 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：

1. 找到一个数学模型或算法
2. 设置其中参数的值
3. 通过某种运算产生种子（即第一个随机数）
4. 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。