A. 用C语言随机函数生成100个不大于100的数的具体算法怎么写
http://blog.tianya.cn/blogger/post_show.asp?idWriter=0&Key=0&BlogID=382219&PostID=4547421
以上网察祥高有详细的说明
/*已经上机通过测试:*/
#include <stdlib.h>
main()
{
int a[100],i; /*定义数组存放100个数*/
for(i=0;i<100;i++)
a[i]=random(100); /*产生100以内的数*/
for(i=0;i<100;i++)
printf("%d ",a[i]); /*打印输入*/
getch();
}
在C语言函数库中包含了一个产生随机数的函数：
int rand( void );
在函数库中对这个函数的说明是：
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语言函数库中是这样定义RAND_MAX的：
/* Maximum value returned by "rand" function
*/
#define RAND_MAX 0x7FFF
所以，函数int rand( void );返回的是一个界于0～32767（0x7FFF）之
间的伪随机数，包括0和32767。注意，这里产生的是伪随机数，不是真正意
义上的随机数，看下面的程序：
#include "stdlib.h"
#include "stdio.h"
void main( void )
{
/* Display a number. */
printf( " %6d\n", rand() );
getchar();
}
程序运败尺行的结果是：
346
多次运行这个程序，发现每次产生的结果都是346（不同的机器可能产生
的结果不一样），这就是所谓的伪随机数。伪随机数是通过一个公式来运算
出来的，所以，每次产生的伪随机数都一样。那么，如何才能产生真正意义
上的随机数呢？这就有一个随机种子的问题。在C语言标准函数库中，有这
么一个函数：
void srand( unsigned int seed );
在《The c programming language》中对这个函数是这样描述的：
srand uses seed(函数变量声明中的seed) as the seed（随机函数中种子
的意思） for a new sequence of pseudo-random numbers. The
initial seed is 1.
所以，要产生真正意义上的随机数，那么就要求每次提供的种子不一样，一
般情况下，都设置时间为随机函数的种子。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.
将当前时间设置成随机函数的种子，所以每次宴谈产生的数都不一样
*/
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
每次运行这个程序，产生的随机数都不一样，这样就达到了随机数的要求了
B. 随机化算法有哪些应用领域
随机化算法
在我们的生活中，人们经常会去掷色子来看结果，投硬币来决定行动，这就牵涉到一个问题：随机。
计算机为我们提供好了随机方法（部分计算器也提供了），那么对于有些具有瑕疵的算法，如果配上随机化算法的话，又是可以得到一样不到的结果。
定义：随机化算法是这样一种算法，在算法中使用了随机函数，且随机函数的返回值直接或者间接的影响了算法的执行流程或执行结果。随机化算法基于随机方法，依赖于概率大小。
这种算法看上去是凭着运气做事，其实，随机化算法是有一定的理论基础的，我们可以想象，在[1,10000]这个闭区间里，随机1000次，随机到2这个数的几率是多大，何况1000次的随机在计算机程序中仅仅是一眨眼的功夫。可以看出，随机化算法有着广阔的前景。只是由于随机化算法比较难于掌控，所以并不是很多人都接触过他，但肯定有很多人都听说过。
下面，我们就随机化问题，举一个例子：
一个长度在4..10的字符串中，需要判定是否可以在字符串中删去若干字符，使得改变后字符串符合以下条件之一：
（1）AAAA；（2）AABB；（3）ABAB；（4）ABBA。
例如：长度为6字符串“POPKDK”，若删除其中的“O”，“D”两个字母，则原串变为：“PPKK”，符合条件（2）AABB。
分析：
这道题很容易想到一种算法：运用排列组合：枚举每4个字母，然后逐一判断。算法是可行的，但是如果需要题目中加上一句话：需要判断n个字符串，且n<=100000，那么这样的耗时是不能让人忍受①的，因为在枚举的过程中，是非常浪费时间的。
(①：这里是指信息学中要求算法的普遍运算时间为：1000ms）
所以这道题有可能可以借助于随机化算法，下面我们来算一下在10个组符中取4个字符一共有多少种取法：C(4,10)=210。那么很容易得知，随机化算法如果随机100次，能都到的结果基本上就正确了，而随机时的时间消耗是O(1)，只需要判断没有随机重复即可，判重的时间复杂度也为O(1)，并且最多随机100次，这样就可以有效地得到答案，最大运算次数为：O(100n)，这是在计算机的承受范围内（1000ms）的。
从这里就能看出，随机化算法是一个很好的概率算法，但是它并不能保证正确，而且它单独使用的情况很少，大部分是与其他的算法：例如贪心、搜索等配合起来运用。
再举一个例子：
排序问题。快速排序是排序方法中较为便捷的方法之一，但是由于它极不稳定，最好的时候时间复杂度为O(n㏒n)，这里的㏒是指以2为底的对数运算。最坏的时候能达到与普通排序方法一样的O(n^2)。
而制约快速排序的有两个：一是数据，越无序的数据，快排的速度越快；二是中间点的枚举。
因为两个制约条件都与随机有着不可分开的关系。
所以，在快速排序中加入随机化算法无疑是十分重要的。
运用在：
（1）数据读入时，随机排放数据位置。
（2）中间点的枚举进行多次随机化后决定。
这样就基本上将快速排序的时间复杂度维持在最好状态
C. 生成多个随机金额的算法该怎么写
C语言中随机函数敏陆族需要使用到srand和rand。
srand((unsigned)time(NULL))则使用系统定时悉轮/计数器的值作为随机种子。每个种子对应一组根据算法预先生成的随机数，所以，在相同的平台环境下，不同时间产生的随机数会是不同的，相应的，若将srand（unsigned）time(NULL)改为srand(TP)（TP为任一常量），则无论何时运行、运行多少次得到的“随机数”都会是一组固定的序列，因此srand生成的随机数是伪随机数。[1]
库函数中系统提供了两个函桥弊数用于产生随机数：srand()和rand()。 原型为：
函数一：int rand(void)；
返回一个[0,RAND_MAX]间的随机整数。
函数二：void srand(unsigned seed)；
参数seed是rand()的种子，用来初始化rand()的起始值。
例程：
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组随机数组：\n",j);
for(i=0;i<8;i++){
a[i] =rand()%36+1;
printf("%-3d",a[i]);
}
}
return 0;
}
D. 求随机数常用算法
一般随机数都不是完全随机的，你在一个程序里两次调用系统的随机函数，你会发现是一样的！
给你个思路，用系统函数得到当前进程的开始时间，然后处理这个时间，算法想怎么写就怎么写，因为每次程序运行时间的不一样的，所以得到的随机数就“随机”了，很多随机函数都是这么做的！
E. 随机函数random()的算法
Randomize
Text1.Text = Int((300 * Rnd()) + 200)
产生200-500的随机困虚数纯孝。
+200代汪裤燃表下线。
F. 计算机随机原理
计算机不会产生绝对随机的随机数，计算机只档扰能产生“伪随机数”。其实绝对随机的随机数只是一种理想的随机数，即使计算机怎样发展，它也不会产生一串绝对随机的随机数。计算机只能生成相对的随机数，即伪随机数。 伪随机数并不是假随机数，这里的“伪”是有规律的意思，就是计算机产生的伪随机数既是随机的又是有规律的。怎样理解呢？产生的伪随机数有时遵守一定的规律，有时不遵守任何规律；伪随机数有一部分遵守一定的规律；另一部分不遵守任何规律。比如“世上没有两灶蠢兄片形状完全相同的树叶”，这正是点到了事物的特性，即随机性，但是每种树的叶子都有近似的形状，这正是事物的共性，即规律性。从这个角度讲，你大概就会接受这样的事实了：计算机只能产生伪随机数而不能产生绝对随机的随隐袭机数。
随机函数有如下两种：
rand()函数返回0到RAND_MAX之间的伪随机数(pseudorandom)。RAND_MAX常量被定义在stdlib.h头文件中。其值等于32767，或者更大。
srand()函数使用自变量n作为种子，用来初始化随机数产生器。只要把相同的种子传入srand()，然后调用rand()时，就会产生相同的随机数序列。因此，我们可以把时间作为srand()函数的种子，就可以避免重复的发生。如果，调用rand()之前没有先调用srand()，就和事先调用srand(1)所产生的结果一样。
G. 随机化算法 随机数的概念是什么
顾名思义.随机数就是随机生成的一个数字.不是人为生成的.这个随机数在产生之前.是不为人知的.
随机化算法是这样一种算法，在算法中使用了随机函数，且随机函数的返回值直接或者间接的影响了算法的执行流程或执行结果。随机化算法基于随机方法，依赖于概率大小。
H. 有哪些随机数算法呢
1、数值概率算法：用于数值问题的求解。所得到的解几乎都是近似解，近似解的精度
随着计算时间的增加而不断地提高。
2、拉斯维加斯算法（LasVegas）：要么给出问题的正确答案，要么得不到答案。反复求解多次，可
使失效的概率任意小。
3、蒙特卡罗算法（MonteCarlo）：总能得到问题的答案，偶然产生不正确的答案。重复运行，每一次
都进行随机选择，可使不正确答案的概率变得任意小。
4、舍伍德算法（Sherwood）：很多具有很好的平均运行时间的确定性算法，在最坏的情况下性能很
坏。引入随机性加以改造，可以消除或减少一般情况和最坏情况的差别。
I. 什么是确定性算法什么是随机化算法
随机化算法是一种在算法中使用了镇绝随机函数，且随机函数的孙旅纯返回值直接或间接的影响了算法的执行流程或执行结果。而确定性算法是与随则咐机化算法相对来说的。
J. 求各种产生随机数的算法
多的很呀！别撤消呀，千万！ 不过几乎都是伪随机数。 随机序列的算法 找到了两个算法, 第一个很简单, 但可惜不是随机的, 第二个是典型的伪随机数算法, 可惜要用到2的几百万次方这样巨大的整数, 真痛苦 要是有UNIX上计算密码的源代码就好了 第一种做法: f(k) = (k*F(N-1)) mod F(N)其中, k是一个序列号, 就是要取的那个数的顺序号 F(N)是这样一个序列 F(0) = 0, F(1) = 1, F(N+2) = F(N+1)+F(N) (for N>=0)第二种做法V = ( ( V * 2 ) + B .xor. B ... )(Mod 2^n)N+1 N 0 2V是要取的随机数, B是个种子, n是随机数的最大个数 原来这个问题, 很高难, 不少数学高手都为解决这个问题写了论文, 咳咳, 偶真是个白痴 呵呵, 效果肯定是不错啦, 因为用不到很大的表. 至于应用是这样的, 比如, 你要给每个用户在注册的时候一个ID但有不希望用户在看到自己的ID的时候能知道其他用户的ID, 如果用SEQUENCE来生成ID的话, 一个用户只要把自己的ID减1就能得到其它用户的ID了. 所以要用随机数来做ID, 这样用户很难猜到其他用户的ID了. 当然主要的问题是, 随机数可能重复. 因此希望使用一个随机数做种子用它来确定一组"无规律"的自然数序列, 并且在这个序列中不会出现重复的自然数. 在这里使用的方法生成的序列并不是没有规律的, 只不过这个轨律很难被发现就是了. Xn+1 = (aXn + b) mod c (其中, abc通常是质数)是一种被广泛使用的最简单的随机数发生算法, 有研究表表明这个算法生成的随机数基本上符合统计规律, JAVA, BORLAND C等用的都是这个方法, 一般只要保证第一个种子是真正的随机数就行了, 下面来说一下重复的问题, 上述方法会有可能出现重复, 因为当(aXn + b)有可能是同样的数或者说余数相同的数, 因此要想不重复就得变形 偶想到的方法是 Xn=(a*n + b) mod c n是一个在1到c之间的整数, a*n + b就是一个线性公式了, 且若n不同则a*n + b也不同, 它们除上质数c得到的余数也肯定不同, 因为 若不考虑a和b而只有n的时候, 每次的结果都是n,而线性公式, 只不过移动了这条直线的位置和斜率而已, 每个结果仍然不会相同的, 为了增加不可预计性, 偶又为上面那个公式设计了, 随机数种子, 于是就变成了这个样子 F(N)=(随机数*(N+随机数))MOD 一个质数 这样就能够产生 1到选定质数之间的一个"无规律"的自然数序列了, 只要改变随机数就能改变序列的次序 在应用的时候, 要把随机数种子和最后用到的序列号保存到一个表里, 每此使用的时候取出来算好, 再把序列号更新一下就可以了 具体地说, 就是可以建一个表来保存每个序列的随机数种子, 然后再为这个序列建一个SEQUENCE就行了然后就SELECT MOD(序列控制表.随机数*(SEQ.NEXTVAL+序列控制表.随机数)),序列控制表.质数) FROM 序列控制表 WHERE 序列控制表.序列ID=XX就OK了注意 序列控制表.质数 决定了序列的范围