提示:
python-伪随机数生成器
先介绍一下随机数和随机数生成器:
随机数源于现实生活–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。
产生这些随机数的方法有很多种,而这些产生随机数的方法就称为随机数生成器。像前面说的由物理现象所产生的随机数发生器叫做物理性随机数发生器。
对于计算机而言,要真正做到随机是极其困难的。
所以通常使用的是伪随机数。
由固定的算法实现的,是有规律可循的,并不能实现真正的“随机”,但是它们具有类似于随机数的统计特征。
线性同余法
C的rand函数和JAVA的java.util.Random类就是使用上述算法实现的
a称为乘数,b称为增量,(end-start)称为模数,它们均为常数。
然后设置rOld = rNew,一般要求用户指定种子数rOld(也称为seed),当然也可以自由选择a和b,但是两个数如果选择不好,可能会影响数字的随机性 ,所以一般令:
a=32310901
b=1729
这样使得生成的随机数最均匀。
def myrandint(start, end, seed=999999999):
a = 32310901 # 产生出的随机数最均匀
b = 1729
rOld = seed
m = end - start
while True: # 每调用一次这个myrandint函数,才生成一次随机数 所以要惰性求值
rNew = (a * rOld + b) % m
yield rNew#yield关键字使生成器函数执行暂停,yield关键字后面的表达式的值返回给生成器的调用者。它可以被认为是一个基于生成器的版本的return关键字。
rOld = rNew
# 模拟使用20个不同的种子来生成随机数
for i in range(20):
r = myrandint(1, 10000, i)
# 每个种子生成10个随机数
print('种子', i, '生成随机数')
for j in range(10):
print(next(r), end=',')
print()
种子取值最好不能固定,否则每次运行结果都一样!
常采用系统时间作为种子来实现该算法。以上代码只需将seed设为系统时间便可以实现。