隨機數演算法原理

㈠ 隨機數演算法是什麼

在計算機中並沒有一個真正的隨機數發生器，但是可以做到使產生的數字重復率很低，這樣看起來好象是真正的隨機數，實現這一功能的程序叫偽隨機數發生器。有關如何產生隨機數的理論有許多如果要詳細地討論，需要厚厚的一本書的篇幅。不管用什麼方法實現隨機數發生器，都必須給它提供一個名為「種子」的初始值。而且這個值最好是隨機的，或者至少這個值是偽隨機的。「種子」的值通常是用快速計數寄存器或移位寄存器來生成的。下面講一講在C語言里所提供的隨機數發生器的用法。現在的C編譯器都提供了一個基於ANSI標準的偽隨機數發生器函數，用來生成隨機數。它們就是rand（）和srand（）函數。這二個函數的工作過程如下：」）首先給srand（）提供一個種子，它是一個unsignedint類型，其取值范圍從0～65535；2）然後調用rand（），它會根據提供給srand（）的種子值返回一個隨機數（在0到32767之間）3）根據需要多次調用rand（），從而不間斷地得到新的隨機數；4）無論什麼時候，都可以給srand（）提供一個新的種子，從而進一步「隨機化」rand（）的輸出結果。這個過程看起來很簡單，問題是如果你每次調用srand（）時都提供相同的種子值，那麼，你將會得到相同的隨機數序列，這時看到的現象是沒有隨機數，而每一次的數都是一樣的了。例如，在以17為種子值調用srand（）之後，在首次調用rand（）時，得到隨機數94。在第二次和第三次調用rand（）時將分別得到26602和30017，這些數看上去是很隨機的（盡管這只是一個很小的數據點集合），但是，在你再次以17為種子值調用srand（）後，在對於rand（）的前三次調用中，所得的返回值仍然是在對94，26602，30017，並且此後得到的返回值仍然是在對rand（）的第一批調用中所得到的其餘的返回值。因此只有再次給srand（）提供一個隨機的種子值，才能再次得到一個隨機數。下面的例子用一種簡單而有效的方法來產生一個相當隨機的「種子」值－－－－當天的時間值：g＃椋睿悖歟醯洌澹Γ歟簦唬螅簦洌椋錚瑁Γ紓簦弧。＃椋睿悖歟醯洌澹Γ歟簦唬螅簦洌歟椋猓瑁Γ紓簦弧。＃椋睿悖歟醯洌澹Γ歟簦唬螅螅Γ＃矗罰唬簦穡澹螅瑁Γ紓簦弧。＃椋睿悖歟醯洌澹Γ歟簦唬螅螅Γ＃矗罰唬簦椋恚澹猓瑁Γ紓簦弧。觶錚椋洹。恚幔椋睿ǎ觶錚椋洌。。椋睿簟。椋弧。醯睿螅椋紓睿澹洹。椋睿簟。螅澹澹洌鄭幔歟弧。螅簦潁醯悖簟。簦椋恚澹狻。簦椋恚澹攏醯媯弧。媯簦椋恚澹ǎΓ幔恚穡唬簦椋恚澹攏醯媯弧。螅澹澹洌鄭幔歟劍ǎǎǎǎ醯睿螅椋紓睿澹洹。椋睿簦簦椋恚澹攏醯媯簦椋恚澹Γ幔恚穡唬埃疲疲疲疲。ǎ醯睿螅椋紓睿澹洹。椋睿簦簦椋恚澹攏醯媯恚椋歟歟椋簦恚蕖。ǎ醯睿螅椋紓睿澹洹。椋睿簦簦椋恚澹攏醯媯恚椋歟歟椋簦恚弧。螅潁幔睿洌ǎǎ醯睿螅椋紓睿澹洹。椋睿簦螅澹澹洌鄭幔歟弧。媯錚潁ǎ椋劍埃唬椋Γ歟簦唬保埃唬椋。穡潁椋睿簦媯ǎΓ瘢醯錚簦唬ィ叮洌Γ＃梗玻唬睿Γ瘢醯錚簦籦egjrand（））；｝上面的程序先是調用＿ftime（）來檢查當前時間yc並把它的值存入結構成員timeBuf．time中wae當前時間的值從1970年1月1日開始以秒計算aeh在調用了＿ftime（）之後在結構timeBuf的成員millitm中還存入了當前那一秒已經度過的毫秒數，但在DOS中這個數字實際上是以百分之一秒來計算的。然後，把毫秒數和秒數相加，再和毫秒數進行異或運算。當然也可以對這兩個結構成員進行更多的計算，以控制se．．．．．．餘下全文＞＞

㈡ 計算機語言中，隨機函數原理是什麼

計算機不會產生絕對隨機的隨機數，計算機只能產生「偽隨機數」。其實絕對隨機的隨機數只是一種理想的隨機數，即使計算機怎樣發展，它也不會產生一串絕對隨機的隨機數。計算機只能生成相對的隨機數，即偽隨機數。 偽隨機數並不是假隨機數，這里的「偽」是有規律的意思，就是計算機產生的偽隨機數既是隨機的又是有規律的。怎樣理解呢？產生的偽隨機數有時遵守一定的規律，有時不遵守任何規律；偽隨機數有一部分遵守一定的規律；另一部分不遵守任何規律。比如「世上沒有兩片形狀完全相同的樹葉」，這正是點到了事物的特性，即隨機性，但是每種樹的葉子都有近似的形狀，這正是事物的共性，即規律性。從這個角度講，你大概就會接受這樣的事實了：計算機只能產生偽隨機數而不能產生絕對隨機的隨機數。
隨機函數有如下兩種：
rand()函數返回0到RAND_MAX之間的偽隨機數(pseudorandom)。RAND_MAX常量被定義在stdlib.h頭文件中。其值等於32767，或者更大。

srand()函數使用自變數n作為種子，用來初始化隨機數產生器。只要把相同的種子傳入srand()，然後調用rand()時，就會產生相同的隨機數序列。因此，我們可以把時間作為srand()函數的種子，就可以避免重復的發生。如果，調用rand()之前沒有先調用srand()，就和事先調用srand(1)所產生的結果一樣。

㈢ 電腦取隨機數是什麼原理，是真正的隨機數嗎

電腦取隨機數原理實質是偽隨機數。

1. 大部分程序和語言中的隨機數（比如 C 中的，MATLAB 中的），確實都只是偽隨機。是由可確定的函數（常用線性同餘），通過一個種子（常用計算機內部的時鍾），產生的偽隨機數。

2. 真正意義上的隨機數（或者隨機事件）在某次產生過程中是按照實驗過程中表現的分布概率隨機產生的，其結果是不可預測的，是不可見的。而計算機中的隨機函數是按照一定演算法模擬產生的，其結果是確定的，是可見的。我們可以這樣認為這個可預見的結果其出現的概率是100%。所以用計算機隨機函數所產生的「隨機數」並不隨機，是偽隨機數。

㈣ 一到六的隨機數是什麼

一到六的隨機數是每次產生的隨機數不同，需要用time作為隨機數種子，來產生隨機數。這是函數產生的隨機數。int R，R=rand();此時R在1到327687即兩個位元組16位所能表示的最大值之間均勻分布。

隨機數的原理

隨機變數的抽樣序列稱為隨機數列。若隨機變數是均勻分布的，則的抽樣序列稱為均勻隨機數列；如果是正態分布的隨機變數，則稱其抽樣序列為正態隨機數列。

用數學方法產生隨機數，就是利用計算機能直接進行算術運算或邏輯運算的特點，產生具有均勻總體、簡單子樣統計性質的隨機數。計算機利用數學方法產生隨機數速度快，佔用內存少，對模擬的問題可以進行復算檢查，通常還具有較好的統計性質。

另外，計算機上用數學方法產生隨機數，是根據確定的演算法推算出來的，因此嚴格說來，用數學方法在計算機上產生的隨機數不能說是真正的隨機數，故一般稱之為偽隨機數。

㈤ 關於計算機取隨機數的工作原理

你是要問計算機還是計算器

計算機一般只用偽隨機數函數來取偽隨機數（就是說這一系列數都是算出來的，其實不是隨機的，只不過這個演算法盡量讓結果看起來比較散）。 當然也有利用輸入來取隨機數的做法（比如SecureCRT）， 但是用的非常少， 因為這時候需要你猛晃滑鼠什麼的， 對用戶來說太別扭。
其實一兩個隨機數從輸入取還是可行的， 只不過很多時候是需要一系列的隨機數， 這時候指望輸入就沒戲了，還是偽隨機數方法來的通用些

至於計算器， 不知道， 估計也就是偽隨機數函數

㈥ 隨機數 是什麼

對於隨機數網路的解釋是這樣的：隨機數是專門的隨機試驗的結果。在統計學的不同技術中需要使用隨機數，比如在從統計總體中抽取有代表性的樣本的時候，或者在將實驗動物分配到不同的試驗組的過程中，或者在進行蒙特卡羅模擬法計算的時候等等。
1.電腦中的隨機數
電腦中有隨機數發生器，但是生成的並不是絕對的隨機數而是偽隨機數，因為電腦隨機數的生成是由演算法支持的，所以生成的數字只是演算法運算的結果。
2.隨機數的應用
在密碼學中人么會利用隨機數對需要加密的明文進行加密，這樣避免了人工密匙的高重復性，以及易破解性。
3.生活中的隨機數
真正的隨機數是使用物理現象產生的：比如擲錢幣、骰子、轉輪、使用電子元件的噪音、核裂變等等，這樣的隨機數發生器叫做物理性隨機數發生器，它們的缺點是技術要求比較高。
綜上所述：隨機數可以通俗的理解為產生的不規律的，我們無法預測的數字。但是絕對的隨機數在自然中是不存在的。

㈦ 電腦取隨機數是什麼原理，是真正的隨機數嗎

首先，「真隨機」也有不同的含義，若想要「真正的真隨機」目測只能靠量子力學了。一般的所謂真隨機不是指這個，而是指統計意義上的隨機，也就是具備不確定性，可以被安全的用於金融等領域，下面說的也是這種。

答案是，計算機系統可以產生統計意義上的真隨機數。

大部分程序和語言中的隨機數（比如 C 中的，MATLAB 中的），確實都只是偽隨機。是由可確定的函數（常用線性同餘），通過一個種子（常用時鍾），產生的偽隨機數。這意味著：如果知道了種子，或者已經產生的隨機數，都可能獲得接下來隨機數序列的信息（可預測性）。

直觀來想，計算機是一種可確定，可預測的的設備，想通過一行一行的確定的代碼自身產生真隨機，顯然不可能。但是，我們或許可以迂迴一下……

實現方法簡單說就是軟硬結合，或者說，引入系統外的變數（把軟體，代碼，演算法想像成一個封閉的系統）。

一個典型的例子就是 UNIX 內核中的隨機數發生器（/dev/random），它在理論上能產生真隨機。即這個隨機數的生成，獨立於生成函數，這時我們說這個產生器是非確定的。

具體來講，UNIX 維護了一個熵池，不斷收集非確定性的設備事件，即機器運行環境中產生的硬體噪音來作為種子。

比如說：時鍾，IO 請求的響應時間，特定硬體中斷的時間間隔，鍵盤敲擊速度，滑鼠位置變化，甚至周圍的電磁波等等……直觀地說，你每按一次鍵盤，動一下滑鼠，鄰居家 wifi 信號強度變化，磁碟寫入速度，等等信號，都可能被用來生成隨機數。

更具體的，內核提供了向熵池填充數據的介面：

比如滑鼠的就是
void add_mouse_randomness(__u32 mouse_data)

內核子系統和驅動調用這個函數，把滑鼠的位置和中斷間隔時間作為噪音源填充進熵池。

所以，結論是，程序和演算法本身不能產生真隨機，但是計算機系統作為整體可以迂迴產生統計意義上的真隨機。

參考：

內核源碼在/drivers/char/random.c

Windows 中也有相對的隨機數生成器，基本的思想是一致的

如果要求更高的話，也有專用的設備，可收集附近的電磁場等環境噪音來產生隨機數

㈧ 隨機數演算法是什麼

在計算機中並沒有一個真正的隨機數發生器，但是可以做到使產生的數字重復率很低，這樣看起來好象是真正的隨機數，實現這一功能的程序叫偽隨機數發生器。有關如何產生隨機數的理論有許多如果要詳細地討論，需要厚厚的一本書的篇幅。不管用什麼方法實現隨機數發生器，都必須給它提供一個名為「種子」的初始值。而且這個值最好是隨機的，或者至少這個值是偽隨機的。「種子」的值通常是用快速計數寄存器或移位寄存器來生成的。下面講一講在C語言里所提供的隨機數發生器的用法。現在的C編譯器都提供了一個基於ANSI標準的偽隨機數發生器函數，用來生成隨機數。它們就是rand（）和srand（）函數。這二個函數的工作過程如下：」）首先給srand（）提供一個種子，它是一個unsignedint類型，其取值范圍從0～65535；2）然後調用rand（），它會根據提供給srand（）的種子值返回一個隨機數（在0到32767之間）3）根據需要多次調用rand（），從而不間斷地得到新的隨機數；4）無論什麼時候，都可以給srand（）提供一個新的種子，從而進一步「隨機化」rand（）的輸出結果。這個過程看起來很簡單，問題是如果你每次調用srand（）時都提供相同的種子值，那麼，你將會得到相同的隨機數序列，這時看到的現象是沒有隨機數，而每一次的數都是一樣的了。例如，在以17為種子值調用srand（）之後，在首次調用rand（）時，得到隨機數94。在第二次和第三次調用rand（）時將分別得到26602和30017，這些數看上去是很隨機的（盡管這只是一個很小的數據點集合），但是，在你再次以17為種子值調用srand（）後，在對於rand（）的前三次調用中，所得的返回值仍然是在對94，26602，30017，並且此後得到的返回值仍然是在對rand（）的第一批調用中所得到的其餘的返回值。因此只有再次給srand（）提供一個隨機的種子值，才能再次得到一個隨機數。下面的例子用一種簡單而有效的方法來產生一個相當隨機的「種子」值－－－－當天的時間值：g＃椋睿悖歟醯洌澹Γ歟簦唬螅簦洌椋錚瑁Γ紓簦弧。＃椋睿悖歟醯洌澹Γ歟簦唬螅簦洌歟椋猓瑁Γ紓簦弧。＃椋睿悖歟醯洌澹Γ歟簦唬螅螅Γ＃矗罰唬簦穡澹螅瑁Γ紓簦弧。＃椋睿悖歟醯洌澹Γ歟簦唬螅螅Γ＃矗罰唬簦椋恚澹猓瑁Γ紓簦弧。觶錚椋洹。恚幔椋睿ǎ觶錚椋洌。。椋睿簟。椋弧。醯睿螅椋紓睿澹洹。椋睿簟。螅澹澹洌鄭幔歟弧。螅簦潁醯悖簟。簦椋恚澹狻。簦椋恚澹攏醯媯弧。媯簦椋恚澹ǎΓ幔恚穡唬簦椋恚澹攏醯媯弧。螅澹澹洌鄭幔歟劍ǎǎǎǎ醯睿螅椋紓睿澹洹。椋睿簦簦椋恚澹攏醯媯簦椋恚澹Γ幔恚穡唬埃疲疲疲疲。ǎ醯睿螅椋紓睿澹洹。椋睿簦簦椋恚澹攏醯媯恚椋歟歟椋簦恚蕖。ǎ醯睿螅椋紓睿澹洹。椋睿簦簦椋恚澹攏醯媯恚椋歟歟椋簦恚弧。螅潁幔睿洌ǎǎ醯睿螅椋紓睿澹洹。椋睿簦螅澹澹洌鄭幔歟弧。媯錚潁ǎ椋劍埃唬椋Γ歟簦唬保埃唬椋。穡潁椋睿簦媯ǎΓ瘢醯錚簦唬ィ叮洌Γ＃梗玻唬睿Γ瘢醯錚簦籦egjrand（））；｝上面的程序先是調用＿ftime（）來檢查當前時間yc並把它的值存入結構成員timeBuf．time中wae當前時間的值從1970年1月1日開始以秒計算aeh在調用了＿ftime（）之後在結構timeBuf的成員millitm中還存入了當前那一秒已經度過的毫秒數，但在DOS中這個數字實際上是以百分之一秒來計算的。然後，把毫秒數和秒數相加，再和毫秒數進行異或運算。當然也可以對這兩個結構成員進行更多的計算，以控制se．．．．．．餘下全文＞＞

㈨ 計算機編程中的取隨機數函數是怎麼實現的說一下大致原理就行

用時間為種子生成的偽隨機數，但並不是真正的隨機，因為時間是確定的，我以前就試驗過，㝍了個程序取成千上萬的隨機數，然後把這些隨機數以圖象形式呈現出來，能發現明顯的規律。更隨機的方法其實也有，比如用很精確的感測器，去測量主機里的溫度，風扇的轉速，電路里的電壓等，由於這些值會受到無數來自內外部變數的影響，難以確定值的大小，並且總是在不斷變化，因此只要感測器夠靈敏，用這些值做種子得到的隨機數會更隨機