本篇文章为大家展示了Java中实现随机数算法的原理是什么,内容简明扼要并且容易理解,绝对能使你眼前一亮,通过这篇文章的详细介绍希望你能有所收获。
软件实现的算法都是伪随机算法,随机种子一般是系统时间
在数论中,线性同余方程是最基本的同余方程,“线性”表示方程的未知数次数是一次,即形如:
ax≡b (mod n)
的方程。此方程有解当且仅当 b 能够被 a 与 n 的最大公约数整除(记作 gcd(a,n) | b
)。这时,如果 x0 是方程的一个解,那么所有的解可以表示为:
{x0+kn/d|(k∈z)}
其中 d 是a 与 n 的最大公约数。在模 n 的完全剩余系 {0,1,…,n-1} 中,恰有 d 个解。
例子编辑
* 在方程 3x ≡ 2 (mod 6)
中, d = gcd(3,6) = 3
,3 不整除 2,因此方程无解。
* 在方程 5x ≡ 2 (mod 6)
中, d = gcd(5,6) = 1
,1 整除 2,因此方程在{0,1,2,3,4,5} 中恰有一个解: x=4。
* 在方程 4x ≡ 2 (mod 6)
中, d = gcd(4,6) = 2
,2 整除 2,因此方程在{0,1,2,3,4,5} 中恰有两个解: x=2 and x=5。
纯线性同余随机数生成器
线性同余随机数生成器介绍:
古老的LCG(linear congruential generator)代表了最好最朴素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。
LCG 算法数学上基于公式:
X(0)=seed;
X(n+1) = (A * X(n) + C) % M;
其中,各系数为:
X(0)表示种子seed
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。
一般来说我们采用M=(2^31)-1 = 2147483647,这个是一个31位的质数,A=48271,这个A能使M得到一个完全周期,这里C为奇数,同时如果数据选择不好的话,很有可能得到周期很短的随机数,例如,如果我们去Seed=179424105的话,那么随机数的周期为1,也就失去了随机的意义。
(48271*179424105+1)mod(2的31次方-1)=179424105
package test; import java.util.HashMap; import java.util.Map; import java.util.concurrent.atomic.AtomicLong; public class Random { public final AtomicLong seed=new AtomicLong(); public final static long C = 1; public final static long A = 48271; public final static long M = (1L << 31) - 1; public Random(int seed){ this.seed.set(seed); } public Random(){ this.seed.set(System.nanoTime()); } public long nextLong(){ seed.set(System.nanoTime()); return (A *seed.longValue() + C) % M; } public int nextInt(int number){ return new Long( (A * System.nanoTime() + C) % number).intValue(); } public static void main(String[] args) { System.out.println(new Random().nextLong()); Map<Integer,Integer> map=new HashMap<Integer,Integer>(); for(int i=0;i<100000;i++){ int ran=new Random().nextInt(10); if(map.containsKey(ran)){ map.put(ran, map.get(ran)+1); }else{ map.put(ran, 1); } } System.out.println(map); } }
自己写个简单例子,随机10万次,随机范围0到9,看看是否均匀
上述内容就是Java中实现随机数算法的原理是什么,你们学到知识或技能了吗?如果还想学到更多技能或者丰富自己的知识储备,欢迎关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。