快捷導(dǎo)航

Java隨機(jī)數(shù)算法原理與實(shí)現(xiàn)方法實(shí)例詳解

更新時(shí)間：2017年09月19日 09:45:27 作者：送人玫瑰手留余香

這篇文章主要介紹了Java隨機(jī)數(shù)算法原理與實(shí)現(xiàn)方法,簡單分析了隨機(jī)數(shù)算法的原理并結(jié)合具體實(shí)例形式給出了java編程計(jì)算隨機(jī)數(shù)的具體操作技巧,需要的朋友可以參考下

本文實(shí)例講述了Java隨機(jī)數(shù)算法。分享給大家供大家參考，具體如下：

軟件實(shí)現(xiàn)的算法都是偽隨機(jī)算法，隨機(jī)種子一般是系統(tǒng)時(shí)間

在數(shù)論中，線性同余方程是最基本的同余方程，“線性”表示方程的未知數(shù)次數(shù)是一次，即形如：

ax≡b (mod n)的方程。此方程有解當(dāng)且僅當(dāng) b 能夠被 a 與 n 的最大公約數(shù)整除（記作 gcd(a,n) | b）。這時(shí)，如果 x0 是方程的一個(gè)解，那么所有的解可以表示為：

{x0+kn/d|(k∈z)}

其中 d 是a 與 n 的最大公約數(shù)。在模 n 的完全剩余系 {0,1,…,n-1} 中，恰有 d 個(gè)解。

例子編輯

* 在方程 3x ≡ 2 (mod 6) 中， d = gcd(3,6) = 3 ，3 不整除 2，因此方程無解。

* 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} 中恰有一個(gè)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} 中恰有兩個(gè)解: x=2 and x=5。

純線性同余隨機(jī)數(shù)生成器

線性同余隨機(jī)數(shù)生成器介紹：

古老的LCG(linear congruential generator)代表了最好最樸素的偽隨機(jī)數(shù)產(chǎn)生器算法。主要原因是容易理解，容易實(shí)現(xiàn)，而且速度快。

LCG 算法數(shù)學(xué)上基于公式：

X(0)=seed;
X(n+1) = (A * X(n) + C) % M;

其中，各系數(shù)為：

X(0)表示種子seed

模M, M > 0

系數(shù)A, 0 < A < M

增量C, 0 <= C < M

原始值(種子) 0 <= X(0) < M

其中參數(shù)c, m, a比較敏感，或者說直接影響了偽隨機(jī)數(shù)產(chǎn)生的質(zhì)量。

一般來說我們采用M=(2^31)-1 = 2147483647，這個(gè)是一個(gè)31位的質(zhì)數(shù)，A=48271，這個(gè)A能使M得到一個(gè)完全周期，這里C為奇數(shù)，同時(shí)如果數(shù)據(jù)選擇不好的話，很有可能得到周期很短的隨機(jī)數(shù)，例如，如果我們?nèi)eed=179424105的話，那么隨機(jī)數(shù)的周期為1，也就失去了隨機(jī)的意義。

(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);
 }
}

自己寫個(gè)簡單例子，隨機(jī)10萬次，隨機(jī)范圍0到9，看看是否均勻