真伪随机数-Toy模板网

这篇具有很好参考价值的文章主要介绍了真伪随机数。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

随机数生成的方式一般有两种，分别为：

硬件生成随机数Hardware RNG，原理是用某个仪器一直探测环境中的物理量(比如说，时钟，IO 请求的响应时间，特定硬件中断的时间间隔，键盘敲击速度，鼠标位置变化，甚至周围的电磁波等等……直观地讲，你每按一次键盘，动一下鼠标，邻居家 wifi 信号强度变化，磁盘写入速度等等信号，都可能被用来生成随机数。)，将该物理量作为随机数,比如 Intel 和 AMD CPU指令集中的 RDRAND 指令，C++ 中random_device就是利用RDRAND实现的。

算法生成随机数，比如c++中的 mt19937梅森旋转算法即为一种软件层面的随机数生成算法算法。如果知道了seed和算法的具体实现，别人就可以知道你生成的随机数序列。所以，又被称为伪随机数生成器 Pseudo RNG。其他的PRNG算法包括 Xorshift，linear congruential generators等。

为什么不直接使用 std::random_device呢？因为 std::random_device 不是跨平台的，依赖于硬件具体的实现，C++标准没有严格要求，编译器可能会偷懒，用伪随机数糊弄你（特指mingw），而 mt19937 是跨平台的。其次，HRNG 要慢上许多，这里用 google-benchmark 对比了linux（ubuntu 20.04, gcc 9.2.0)下 std::random_device 和 std::mt19937 的执行速度：

#include <benchmark/benchmark.h>
#include <random>

static void BM_PRNG(benchmark::State& state) {
    std::random_device rd;
    std::mt19937 e{rd()};
    for (auto _ : state){
        e();
    }
}
BENCHMARK(BM_PRNG);

static void BM_HRNG(benchmark::State& state) {
    std::random_device rd;
    std::uniform_int_distribution<int> dist(0, 9);
    for (auto _ : state){
        rd();
    }
}
BENCHMARK(BM_HRNG);

BENCHMARK_MAIN();

使用种子和 SFC32 生成随机数 js + c++

如何在 javascript 中使用种子生成随机数_seedrandom.js_迹忆客的博客-CSDN博客

javascrpti 的随机函数 xorshift128 +文章来源地址https://www.toymoban.com/news/detail-686381.html

 uint64_t xorshift128plus() {
  uint64_t s1 = state0;
  uint64_t s0 = state1;
  state0 = s0;
  s1 ^= s1 << 23;
  s1 ^= s1 >> 17;
  s1 ^= s0;
  s1 ^= s0 >> 26;
  state1 = s1;
  return state0 + state1;
}

到了这里，关于真伪随机数的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！