隨機數演算法

⑴ 隨機數生成方案（計算方法）

諾依曼的平方數取中法。
先通過求關鍵碼的平方值，從而擴大相近數的差別，然後根據表長度取中間的幾位數（往往取二進制的比特位）

⑵ 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。

⑶ 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＞＞

⑷ 計算器如何產生隨機數

一般計算機的隨機數都是偽隨機數，以一個真隨機數（種子）作為初始條件，然後用一定的演算法不停迭代產生隨機數，下面介紹兩種方法：
一般種子可以以當前的系統時間，這是完全隨機的
。
演算法1：平方取中法。
1）將種子設為X0，並mod 10000得到4位數
2)將它平方得到一個8位數（不足8位時前面補0）
3）取中間的4位數可得到下一個4位隨機數X1
4）重復1-3步，即可產生多個隨機數
這個演算法的一個主要缺點是最終它會退化成0，不能繼續產生隨機數。

演算法2：線性同餘法
1）將種子設為X0，
2）用一個演算法X(n+1)=(a*X(n)+b) mod c產生X(n+1)
一般將c取得很大，可產生0到c-1之間的偽隨機數
該演算法的一個缺點是會出現循環。

⑸ 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。

⑹ 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

⑺ 隨機數常用演算法有哪些

我所知道的是用移位的辦法做到的,被移位的數稱為種子。

⑻ 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！

⑼ 隨機數的計算方法

定時計數1到9，在不知道什麼時刻讀取，就可以得到1-9的隨機數
或者用rand函數
在或者把隨機數表寫上去，然後讀

⑽ 隨機數演算法

可以把已有數據放到數組里，然後產生隨機下標，根據下標取到的數據可以認為是隨機的。