计算机仿真随机数生成,计算机仿真期末大作业MersenneTwister随机数发生器及随机性测试.doc...

计算机仿真期末大作业MersenneTwister随机数发生器及随机性测试

计算机仿真报告

Mersenne Twister随机数发生器及随机性测试

Mersenne Twister随机数发生器及随机性测试

实验目的用MATLAB实现Mersenne Twister随机数发生器,并对其随机性进行测试。实验原理伪随机数的产生，首先是选取种子，然后是在此种子基础上根据具体的生成算法计算得到一个伪随机数，然后利用此伪随机数再根据生成算法递归计算出下二个伪随机数，直到将所有不重复出现的伪随机数全部计算出来。这个伪随机数序列就是以后要用到的伪随机数序列。上面的计算过程可以一次性计算完毕，也可以使用一次递归计算一次，每次生成的伪随机数就是这个伪随机数序列中的一个，不过不管怎么样，只要确定了种子，确定了生成算法，这个序列就是确定的了。所谓种子，就是一个对伪随机数计算的初始值。Mersenne Twister算法是一种随机数产生方法，它是移位寄存器法的变种。该算法的原理：Mersenne Twister算法是利用线性反馈移位寄存器(LFSR)产生随机数的，LFSR的反馈函数是寄存器中某些位的简单异或，这些位也称之为抽头序列。一个n位的LFSR能够在重复之前产生2^n-1位长的伪随机序列。只有具有一定抽头序列的LFSR才能通过所有2^n-1个内部状态，产生2^n - 1位长的伪随机序列，这个输出的序列就称之为m序列。为了使LFSR成为最大周期的LFSR，由抽头序列加上常数1形成的多项式必须是本原多项式。一个n阶本原多项式是不可约多项式，它能整除x^(2*n-1)+1而不能整除x^d+1，其中d能整除2^n-1。例如(32,7,5,3,2,1,0)是指本原多项式x^32+x^7+x^5+x^3+x^2+x+1，把它转化为最大周期LFSR就是在LFSR小邓第32，7，5，2，1位抽头。利用上述两种方法产生周期为m的伪随机序列后，只需要将产生的伪随机序列除以序列的周期，就可以得到(0，1)上均匀分布的伪随机序列了。

伪代码如下：// 建立624位随机序列数组

int[0..623] MT int index = 0 //初始化随机序列数组 function initializeGenerator(int seed) { MT[0] := seed for i from 1 to 623 { MT[i] := last 32 bits of(1812433253 * (MT[i-1] HYPERLINK "/wiki/Bitwise_operation" \l "XOR" \o "Bitwise operation" xor (right shift by 30 bits(MT[i-1]))) + i) // 0x6c078965 } } //根据index的值提取数组中的某个数来生成随机数 // 每624个数调用一次generateNumbers() 函数function extractNumber() { if index == 0 { generateNumbers() } int y := MT[index] y := y xor (right shift by 11 bits(y)) y := y xor (left shift by 7 bits(y) HYPERLINK "/wiki/Bitwise_operation" \l "AND" \o "Bitwise operation" and (2636928640)) // 0x9d2c5680 y := y xor (left shift by 15 bits(y) and (4022730752)) // 0xefc60000 y := y xor (right shift by 18 bits(y))

index := (index + 1) HYPERLINK "/wiki/Modulo_operation" \o "Modulo operation" mod 624 return y } //产生随机数 function generateNumbers() { for i from 0 to 623 { int y := 32nd bit of(MT[i]) + last 31 bits of(MT[(i+1) mod 624]) MT[i] := MT[(i + 397) mod 624] xor (right shift by 1 bit(y))