随机数与伪随机数

随机数

　　随机数是专门的随机试验的结果。

 

　　在统计学的不同技术中需要使用随机数，比如在从统计总体中抽取有代表性的样本的时候，或者在将实验动物分配到不同的试验组的过程中，或者在进行蒙特卡罗模拟法计算的时候等等。

 

　　产生随机数有多种不同的方法。这些方法被称为随机数发生器。随机数最重要的特性是：它所产生的后面的那个数与前面的那个数毫无关系。

　　真正的随机数是使用物理现象产生的：比如掷钱币、骰子、转轮、使用电子元件的噪音、核裂变等等。这样的随机数发生器叫做物理性随机数发生器，它们的缺点是技术要求比较高。

　　在实际应用中往往使用伪随机数就足够了。这些数列是“似乎”随机的数，实际上它们是通过一个固定的、可以重复的计算方法产生的。计算机或计算器产生的随机数有很长的周期性。它们不真正地随机，因为它们实际上是可以计算出来的，但是它们具有类似于随机数的统计特征。这样的发生器叫做伪随机数发生器。 

　　在真正关键性的应用中，比如在密码学中，人们一般使用真正的随机数。

 

伪随机数

 

　　首先需要声明的是，计算机不会产生绝对随机的随机数，计算机只能产生“伪随机数”。其实绝对随机的随机数只是一种理想的随机数，即使计算机怎样发展，它也不会产生一串绝对随机的随机数。计算机只能生成相对的随机数，即伪随机数。

 

　　伪随机数并不是假随机数，这里的“伪”是有规律的意思，就是计算机产生的伪随机数既是随机的又是有规律的。怎样理解呢？产生的伪随机数有时遵守一定的规律，有时不遵守任何规律；伪随机数有一部分遵守一定的规律；另一部分不遵守任何规律。比如“世上没有两片形状完全相同的树叶”，这正是点到了事物的特性，即随机性，但是每种树的叶子都有近似的形状，这正是事物的共性，即规律性。从这个角度讲，你大概就会接受这样的事实了：计算机只能产生伪随机数而不能产生绝对随机的随机数。（严格地说，这里的计算机是指由冯诺依曼思想发展起来的电子计算机。而未来的量子计算机有可能产生基于自然规律的不可重现的“真”随机数）。

软件常用的产生随机数的方法

　　在软件上计算机常用的产生随机数的算法为线性同余算法，即使用下面的公式递推产生不同的随机数.

　　N_i+1=（A* N_i + B）%  M          其中i = 0，1，…，M-1

　　c语言中的rand()函数即是通过该公式递推产生随机数的，常用当前的系统时间为种子。

　　通过该公式可以看出，产生的随机数是明显有规律可寻的，每一个随机数都是在前一个随机数的基础上通过公式计算得来的，所以通过该方法得来的随机数的随机性很差。当然，适当的选取A、B和M，能够产生一定看似有随机性的随机数字。N₀ 就是随机种子。

　　所以为了提高计算机产生的随机数的随机性，在这里我们通过收集系统随机的物理量来填充随机数缓冲池，比如键盘敲击时间、鼠标点击时间、cpu运行参数等，通过这些方法得到的随机数具有很高的随机性。可达到真随机数的要求。