mt19937 随机数

一下内容整理自网络资源：

我们讲的随机数其实暗指伪随机数。不少朋友可能想到C语言的rand()，可惜这个函数产生的随机数随机性非常差，而且速度很慢，相信几乎不能胜任一般的应用。

古老的LCG(linear congruential generator)代表了最好的伪随机数产生器算法。主要原因是容易理解，容易实现，而且速度快。这种算法数学上基于X(n+1) = (a * X(n) + c) % m这样的公式，其中：
模m, m > 0
系数a, 0 < a < m
增量c, 0 <= c < m
原始值(种子) 0 <= X(0) < m
其中参数c, m, a比较敏感，或者说直接影响了伪随机数产生的质量。

一般而言，高LCG的m是2的指数次幂(一般2^32或者2^64)，因为这样取模操作截断最右的32或64位就可以了。多数编译器的库中使用了该理论实现其伪随机数发生器rand()。下面是部分编译器使用的各个参数值：

Source	m	a	c	rand() / Random(L)的种子位
Numerical Recipes	2^32	1664525	1013904223
Borland C/C++	2^32	22695477	1	位30..16 in rand(), 30..0 in lrand()
glibc (used by GCC)	2^32	1103515245	12345	位30..0
ANSI C: Watcom, Digital Mars, CodeWarrior, IBM VisualAge C/C++	2^32	1103515245	12345	位30..16
Borland Delphi, Virtual Pascal	2^32	134775813	1	位63..32 of (seed * L)
Microsoft Visual/Quick C/C++	2^32	214013	2531011	位30..16
Apple CarbonLib	2^31-1	16807	0	见Park–Miller随机数发生器

LCG不能用于随机数要求高的场合，例如不能用于Monte Carlo模拟，不能用于加密应用。
LCG有一些严重的缺陷，例如如果LCG用做N维空间的点坐标，这些点最多位于m1/n超平面上(Marsaglia定理)，这是由于产生的相继X(n)值的关联所致。
另外一个问题就是如果m设置为2的指数，产生的低位序列周期远远小于整体。
一般而言，输出序列的基数b中最低n位，bk = m (k是某个整数)，最大周期bn.
有些场合LCG有很好的应用，例如内存很紧张的嵌入式中，电子游戏控制台用的小整数，