随机数生成器源代码（系统随机数生成代码）[20240420更新]

本篇文章给大家谈谈随机数生成器源代码，以及系统随机数生成代码对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、vb 随机数的生成？
• 2、用人脑生成等概率随机数，困扰人类30万年的问题解决了 | 附代码
• 3、C语言怎样产生一定范围的随机数？

vb 随机数的生成？

简单一点就是：

a=int((b*rnd+1)+c)

a为生成的随机数,b,c为自己设置范围的数,例如：b=0,c=100,即产生的随机数a范围在0～100之间．可根据需要设置．

用人脑生成等概率随机数，困扰人类30万年的问题解决了 | 附代码

让人类随机说出一个1-10之间的整数（包括1和10），每个数字被选中的概率都是10%吗？答案当然是否定的。

半年前，有人对8500名学生做了一项调查，发现人类似乎对7有种特殊的偏好，有接近3成的人会选择“7”，而选择两端数字的概率会偏小，选“10”人甚至仅有1.9%。

如果用计算机，我们就可以生成近乎完全随机的数，保证每个数被抽中的概率都是10%。（注：其实计算机生成的是伪随机数，并不完全随机，但效果远胜过人类。）

在这件看似超级简单的事情上，人脑输给了电脑。 人类随机函数 human.random远不及Numpy里的np.random啊。

难怪有Twitter网友会调侃：智人诞生30多万年以来就没能解决这个问题。

因为人类是有 情感 的：1和10分别位于两端，选择这样两个数是否会太刻意？7是不是我的幸运数字？潜意识里的想法都会左右你最终的选择。

那该怎么办？

怎么才能把人类随机函数变成真正的随机函数，要做的就是把概率分布大于10％的数挪到概率小于10％的数上。

你可以想象成切碎这些长条并重新排列，让它们都一样高：

举一个极端的例子，假设我们将每个长条都“切割”成无限小的块，然后就可以像乐高一样使用这些块来建立任何形状的概率分布。

现在，我们来定义这样一个变量 x i,j ，它表示我们把数字 i 调整到数字 j 的样本占数字i总样本中的比例。

因为选7的人比较多，我们希望把部分7调整到1，如果把20%的7变成1，那么x 7,1 =0.2。x i,i 表示自身不调整的部分。

最后我们希望所有随机数的概率都是0.1，所以其他数字调整进j的比例之和应该满足：

同时，我们还必须确保原始分布中的所有概率质量（probability mass）都是守恒的。所以每个i调整到1到10的总概率应该等于1（注：原文如此，应等于原本选择数字i的概率P i ）。

另外，我们还希望尽可能保留原始的分布，也就是让x i,i （保持不动的部分）之和最大，即不调整的部分尽可能多。

现在这个问题就变成了一个 线性规划 问题，在这20个约束条件下，令对角元素之和最大。

经过电脑计算后，调整方案是这样的：

这个结果虽然直观却不够精确，准确的调整比例为：

按照上面的图表，选7的结果中有28%的比例需要调整为10，20%的比例需要调整为1，等等。

但是这28%、20%的比例如何获得，最初的随机分布表就可以啊。

本来就有28%的人选择7，如果我们获得了一个7，在问第二个人，如果也得到一个7，我们就把第一个7强制转换成1。

人脑随机数生成器

现在你明白人类随机数生成器的工作原理了，下面就是这套程序的“源代码

按照这个程序，你应该能得到一个接近平均的从1到10的随机数发生器，前提是你得有8500个人。

以上算法的思路和代码和源代码来自博客：

C语言怎样产生一定范围的随机数？

编译环境为：vs2013

产生1到3的整型随机数的代码如下：

#includestdio.h

#includetime.h

#includestdlib.h

#define max 3   //这个函数的意义为：随机生成最大的数为3

#define min 1    //这个函数的意义为：随机生成最小的数为1

int main()

{

int num;

srand(time(0));

num = rand() % (max - min) + min;  // 这里的意义，“%”为模运算

printf("随机数为：%d\n", num);

system("pause");  //这个代码可以让弹出的黑框不会一下就消失

return 0;

}

扩展资料：

根据密码学原理，随机数的随机性检验可以分为三个标准：

条件一、统计学伪随机性。统计学伪随机性指的是在给定的随机比特流样本中，1的数量大致等于0的数量，同理，“10”“01”“00”“11”四者数量大致相等。类似的标准被称为统计学随机性。满足这类要求的数字在人类“一眼看上去”是随机的。

条件二、密码学安全伪随机性。其定义为，给定随机样本的一部分和随机算法，不能有效的演算出随机样本的剩余部分。

条件三、真随机性。其定义为随机样本不可重现。实际上只要给定边界条件，真随机数并不存在，可是如果产生一个真随机数样本的边界条件十分复杂且难以捕捉（比如计算机当地的本底辐射波动值），可以认为用这个方法演算出来了真随机数。

随机数分为三类：

①伪随机数：满足第一个条件的随机数。

②密码学安全的伪随机数：同时满足前两个条件的随机数。可以通过密码学安全伪随机数生成器

计算得出。

③真随机数：同时满足三个条件的随机数。

随机数生成器源代码的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于系统随机数生成代码、随机数生成器源代码的信息别忘了在本站进行查找喔。