我想问下关于伪随机数学的问题？
发布网友
共4个回答
懂视网
找到伪随机数规律的方法有：
1、直接法（Direct Method），根据分布函数的物理意义生成。缺点是仅适用于某些具有特殊分布的随机数，如二项式分布、泊松分布。
2、逆转法（Inversion Method），假设U服从[0，1]区间上的均匀分布，令X=F-1（U），则X的累计分布函数（CDF）为F。该方法原理简单、编程方便、适用性广。
3、接受拒绝法（Acceptance-Rejection Method）：假设希望生成的随机数的概率密度函数（PDF）为f，则首先找到一个PDF为g的随机数发生器与常数c，使得f（x）≤cg（x），然后根据接收拒绝算法求解。由于算法平均运算c次才能得到一个希望生成的随机数，因此c的取值必须尽可能小。显然，该算法的缺点是较难确定g与c。
因此，伪随机数生成器（PRNG）一般采用逆转法，其基础是均匀分布，均匀分布PRNG的优劣决定了整个随机数体系的优劣。下文研究均匀分布的PRNG。
热心网友
真正的随机数是没有办法获取的。所以，一般情况下都只能使用伪随机数来模拟随机过程。
一般的编程软件，它的伪随机数算法都能保证产生的序列周期很大，通常都大于10的9次方。现在随着计算机技术的算法的研究发展，不少伪随机数的周期已经远远大于这个数量级，甚至到了10的15到20次方。同时，伪随机数产生的起点，也就是种子可以通过热敏元件或者时间数据来产生，无法人为控制，使产生的数字序列更接近真随机状态。
因此，要掌握到算法及其规律，并进行所谓预测，条件必须是指导算法和种子。否则，即使是10的9次方的周期长度，按照*按照每秒一次动作的速度来计算，也需要在*上操作31年多，才能够找到完整的周期规律。这在现实中是不可能的！
热心网友
伪随机数直接看是看不出来的,除非知道初始值(种子)和算法,不然看起来和真随机数没区别.
伪随机数的意思就是看起来是随机数,但是种子和算法不变,输出的伪随机数列就不变,而真随机数每次输出都是不确定的
热心网友
C,C++，VB，C#中用的随机数都是伪随机数，伪随机数的一个问题就是取值分布不均匀。
比如抽奖，如果从100种随机抽取,如果1和100都是一等奖,但是1和100的出现机率完全不是1%,有可能比1%,也有可能比1%小.
也不知道各种数据库中的随机数最终是否也是采用了伪随机数.
目前如果要分布均匀,一般都是用高斯随机数算法,所以各位玩抽奖的同学,如果要公平,还是不要用系统自带的随机函数,需要另外自己写.
如果是游戏中色子,如果采用伪随机数的,而且随机种子相同的,那么会出现在相同时间点上获取的两个随机值相同的问题.有些游戏就是这么被破解的.追问我就是想知道*的运作是否是伪随机。并且我想通过计算得出伪随机数进行盈利。 谢谢。
我就是想知道*的运作是否是伪随机。并且我想通过计算得出伪随机数进行盈利。 谢谢。
