A. 用C語言隨機函數生成100個不大於100的數的具體演算法怎麼寫
http://blog.tianya.cn/blogger/post_show.asp?idWriter=0&Key=0&BlogID=382219&PostID=4547421
以上網察祥高有詳細的說明
/*已經上機通過測試:*/
#include <stdlib.h>
main()
{
int a[100],i; /*定義數組存放100個數*/
for(i=0;i<100;i++)
a[i]=random(100); /*產生100以內的數*/
for(i=0;i<100;i++)
printf("%d ",a[i]); /*列印輸入*/
getch();
}
在C語言函數庫中包含了一個產生隨機數的函數：
int rand( void );
在函數庫中對這個函數的說明是：
The rand function returns a pseudorandom integer in the range
0 to RAND_MAX. Use the srand function to seed the pseudorandom
-number generator before calling rand.
而在C語言函數庫中是這樣定義RAND_MAX的：
/* Maximum value returned by "rand" function
*/
#define RAND_MAX 0x7FFF
所以，函數int rand( void );返回的是一個界於0～32767（0x7FFF）之
間的偽隨機數，包括0和32767。注意，這里產生的是偽隨機數，不是真正意
義上的隨機數，看下面的程序：
#include "stdlib.h"
#include "stdio.h"
void main( void )
{
/* Display a number. */
printf( " %6d\n", rand() );
getchar();
}
程序運敗尺行的結果是：
346
多次運行這個程序，發現每次產生的結果都是346（不同的機器可能產生
的結果不一樣），這就是所謂的偽隨機數。偽隨機數是通過一個公式來運算
出來的，所以，每次產生的偽隨機數都一樣。那麼，如何才能產生真正意義
上的隨機數呢？這就有一個隨機種子的問題。在C語言標准函數庫中，有這
么一個函數：
void srand( unsigned int seed );
在《The c programming language》中對這個函數是這樣描述的：
srand uses seed(函數變數聲明中的seed) as the seed（隨機函數中種子
的意思） for a new sequence of pseudo-random numbers. The
initial seed is 1.
所以，要產生真正意義上的隨機數，那麼就要求每次提供的種子不一樣，一
般情況下，都設置時間為隨機函數的種子。看下面的一段程序：
/* RAND.C: This program seeds the random-number generator
* with the time, then displays 10 random integers.
*/
#include "stdlib.h"
#include "stdio.h"
#include "time.h"
void main( void )
{
int i;
/* Seed the random-number generator with current time so that
the numbers will be different every time we run.
將當前時間設置成隨機函數的種子，所以每次宴談產生的數都不一樣
*/
srand( (unsigned)time( NULL ) );
/* Display 10 numbers. */
for( i = 0; i < 10;i++ )
printf( 「 %6d\n」, rand() );
}
Output
6929
8026
21987
30734
20587
6699
22034
25051
7988
10104
每次運行這個程序，產生的隨機數都不一樣，這樣就達到了隨機數的要求了
B. 隨機化演算法有哪些應用領域
隨機化演算法
在我們的生活中，人們經常會去擲色子來看結果，投硬幣來決定行動，這就牽涉到一個問題：隨機。
計算機為我們提供好了隨機方法（部分計算器也提供了），那麼對於有些具有瑕疵的演算法，如果配上隨機化演算法的話，又是可以得到一樣不到的結果。
定義：隨機化演算法是這樣一種演算法，在演算法中使用了隨機函數，且隨機函數的返回值直接或者間接的影響了演算法的執行流程或執行結果。隨機化演算法基於隨機方法，依賴於概率大小。
這種演算法看上去是憑著運氣做事，其實，隨機化演算法是有一定的理論基礎的，我們可以想像，在[1,10000]這個閉區間里，隨機1000次，隨機到2這個數的幾率是多大，何況1000次的隨機在計算機程序中僅僅是一眨眼的功夫。可以看出，隨機化演算法有著廣闊的前景。只是由於隨機化演算法比較難於掌控，所以並不是很多人都接觸過他，但肯定有很多人都聽說過。
下面，我們就隨機化問題，舉一個例子：
一個長度在4..10的字元串中，需要判定是否可以在字元串中刪去若干字元，使得改變後字元串符合以下條件之一：
（1）AAAA；（2）AABB；（3）ABAB；（4）ABBA。
例如：長度為6字元串「POPKDK」，若刪除其中的「O」，「D」兩個字母，則原串變為：「PPKK」，符合條件（2）AABB。
分析：
這道題很容易想到一種演算法：運用排列組合：枚舉每4個字母，然後逐一判斷。演算法是可行的，但是如果需要題目中加上一句話：需要判斷n個字元串，且n<=100000，那麼這樣的耗時是不能讓人忍受①的，因為在枚舉的過程中，是非常浪費時間的。
(①：這里是指信息學中要求演算法的普遍運算時間為：1000ms）
所以這道題有可能可以藉助於隨機化演算法，下面我們來算一下在10個組符中取4個字元一共有多少種取法：C(4,10)=210。那麼很容易得知，隨機化演算法如果隨機100次，能都到的結果基本上就正確了，而隨機時的時間消耗是O(1)，只需要判斷沒有隨機重復即可，判重的時間復雜度也為O(1)，並且最多隨機100次，這樣就可以有效地得到答案，最大運算次數為：O(100n)，這是在計算機的承受范圍內（1000ms）的。
從這里就能看出，隨機化演算法是一個很好的概率演算法，但是它並不能保證正確，而且它單獨使用的情況很少，大部分是與其他的演算法：例如貪心、搜索等配合起來運用。
再舉一個例子：
排序問題。快速排序是排序方法中較為便捷的方法之一，但是由於它極不穩定，最好的時候時間復雜度為O(n㏒n)，這里的㏒是指以2為底的對數運算。最壞的時候能達到與普通排序方法一樣的O(n^2)。
而制約快速排序的有兩個：一是數據，越無序的數據，快排的速度越快；二是中間點的枚舉。
因為兩個制約條件都與隨機有著不可分開的關系。
所以，在快速排序中加入隨機化演算法無疑是十分重要的。
運用在：
（1）數據讀入時，隨機排放數據位置。
（2）中間點的枚舉進行多次隨機化後決定。
這樣就基本上將快速排序的時間復雜度維持在最好狀態
C. 生成多個隨機金額的演算法該怎麼寫
C語言中隨機函數敏陸族需要使用到srand和rand。
srand((unsigned)time(NULL))則使用系統定時悉輪/計數器的值作為隨機種子。每個種子對應一組根據演算法預先生成的隨機數，所以，在相同的平台環境下，不同時間產生的隨機數會是不同的，相應的，若將srand（unsigned）time(NULL)改為srand(TP)（TP為任一常量），則無論何時運行、運行多少次得到的「隨機數」都會是一組固定的序列，因此srand生成的隨機數是偽隨機數。[1]
庫函數中系統提供了兩個函橋弊數用於產生隨機數：srand()和rand()。 原型為：
函數一：int rand(void)；
返回一個[0,RAND_MAX]間的隨機整數。
函數二：void srand(unsigned seed)；
參數seed是rand()的種子，用來初始化rand()的起始值。
常式：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
#include<stdio.h>
#include<stdlib.h>
#include<time.h>
int main(){
int a[8],i,j;
srand((unsigned)time(NULL));
for(j=1;j<101;j++){
printf("\n第%d組隨機數組：\n",j);
for(i=0;i<8;i++){
a[i] =rand()%36+1;
printf("%-3d",a[i]);
}
}
return 0;
}
D. 求隨機數常用演算法
一般隨機數都不是完全隨機的，你在一個程序里兩次調用系統的隨機函數，你會發現是一樣的！
給你個思路，用系統函數得到當前進程的開始時間，然後處理這個時間，演算法想怎麼寫就怎麼寫，因為每次程序運行時間的不一樣的，所以得到的隨機數就「隨機」了，很多隨機函數都是這么做的！
E. 隨機函數random()的演算法
Randomize
Text1.Text = Int((300 * Rnd()) + 200)
產生200-500的隨機困虛數純孝。
+200代汪褲燃表下線。
F. 計算機隨機原理
計算機不會產生絕對隨機的隨機數，計算機只檔擾能產生「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「世上沒有兩灶蠢兄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隱襲機數。
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。
G. 隨機化演算法 隨機數的概念是什麼
顧名思義.隨機數就是隨機生成的一個數字.不是人為生成的.這個隨機數在產生之前.是不為人知的.
隨機化演算法是這樣一種演算法，在演算法中使用了隨機函數，且隨機函數的返回值直接或者間接的影響了演算法的執行流程或執行結果。隨機化演算法基於隨機方法，依賴於概率大小。
H. 有哪些隨機數演算法呢
1、數值概率演算法：用於數值問題的求解。所得到的解幾乎都是近似解，近似解的精度
隨著計算時間的增加而不斷地提高。
2、拉斯維加斯演算法（LasVegas）：要麼給出問題的正確答案，要麼得不到答案。反復求解多次，可
使失效的概率任意小。
3、蒙特卡羅演算法（MonteCarlo）：總能得到問題的答案，偶然產生不正確的答案。重復運行，每一次
都進行隨機選擇，可使不正確答案的概率變得任意小。
4、舍伍德演算法（Sherwood）：很多具有很好的平均運行時間的確定性演算法，在最壞的情況下性能很
壞。引入隨機性加以改造，可以消除或減少一般情況和最壞情況的差別。
I. 什麼是確定性演算法什麼是隨機化演算法
隨機化演算法是一種在演算法中使用了鎮絕隨機函數，且隨機函數的孫旅純返回值直接或間接的影響了演算法的執行流程或執行結果。而確定性演算法是與隨則咐機化演算法相對來說的。
J. 求各種產生隨機數的演算法
多的很呀！別撤消呀，千萬！ 不過幾乎都是偽隨機數。 隨機序列的演算法 找到了兩個演算法, 第一個很簡單, 但可惜不是隨機的, 第二個是典型的偽隨機數演算法, 可惜要用到2的幾百萬次方這樣巨大的整數, 真痛苦 要是有UNIX上計算密碼的源代碼就好了 第一種做法: f(k) = (k*F(N-1)) mod F(N)其中, k是一個序列號, 就是要取的那個數的順序號 F(N)是這樣一個序列 F(0) = 0, F(1) = 1, F(N+2) = F(N+1)+F(N) (for N>=0)第二種做法V = ( ( V * 2 ) + B .xor. B ... )(Mod 2^n)N+1 N 0 2V是要取的隨機數, B是個種子, n是隨機數的最大個數 原來這個問題, 很高難, 不少數學高手都為解決這個問題寫了論文, 咳咳, 偶真是個白痴 呵呵, 效果肯定是不錯啦, 因為用不到很大的表. 至於應用是這樣的, 比如, 你要給每個用戶在注冊的時候一個ID但有不希望用戶在看到自己的ID的時候能知道其他用戶的ID, 如果用SEQUENCE來生成ID的話, 一個用戶只要把自己的ID減1就能得到其它用戶的ID了. 所以要用隨機數來做ID, 這樣用戶很難猜到其他用戶的ID了. 當然主要的問題是, 隨機數可能重復. 因此希望使用一個隨機數做種子用它來確定一組"無規律"的自然數序列, 並且在這個序列中不會出現重復的自然數. 在這里使用的方法生成的序列並不是沒有規律的, 只不過這個軌律很難被發現就是了. Xn+1 = (aXn + b) mod c (其中, abc通常是質數)是一種被廣泛使用的最簡單的隨機數發生演算法, 有研究表表明這個演算法生成的隨機數基本上符合統計規律, JAVA, BORLAND C等用的都是這個方法, 一般只要保證第一個種子是真正的隨機數就行了, 下面來說一下重復的問題, 上述方法會有可能出現重復, 因為當(aXn + b)有可能是同樣的數或者說余數相同的數, 因此要想不重復就得變形 偶想到的方法是 Xn=(a*n + b) mod c n是一個在1到c之間的整數, a*n + b就是一個線性公式了, 且若n不同則a*n + b也不同, 它們除上質數c得到的余數也肯定不同, 因為 若不考慮a和b而只有n的時候, 每次的結果都是n,而線性公式, 只不過移動了這條直線的位置和斜率而已, 每個結果仍然不會相同的, 為了增加不可預計性, 偶又為上面那個公式設計了, 隨機數種子, 於是就變成了這個樣子 F(N)=(隨機數*(N+隨機數))MOD 一個質數 這樣就能夠產生 1到選定質數之間的一個"無規律"的自然數序列了, 只要改變隨機數就能改變序列的次序 在應用的時候, 要把隨機數種子和最後用到的序列號保存到一個表裡, 每此使用的時候取出來算好, 再把序列號更新一下就可以了 具體地說, 就是可以建一個表來保存每個序列的隨機數種子, 然後再為這個序列建一個SEQUENCE就行瞭然後就SELECT MOD(序列控製表.隨機數*(SEQ.NEXTVAL+序列控製表.隨機數)),序列控製表.質數) FROM 序列控製表 WHERE 序列控製表.序列ID=XX就OK了注意 序列控製表.質數 決定了序列的范圍