介绍:
你可能听说过计算机里的随机数生成算法叫“伪随机数生成算法”，又叫“决定式随机位生成器”（deterministic random bit generator (DRBG)），意思就是它能随机生成1个二级制位，0或者1，而且是50%概率。为什么这种算法都是二进位的生成器？因为平时我们使用均匀分布随机数的场合是最多的，有了均匀分布的随机数，转换成其他分布也是比较简单的。而计算机内部又都是二进位，我有了产生0和1的二进位生成器，如果一个计算机内部浮点数是小数点后有32位，那我就可以产生32位随机二进位，作为0之后的32位小数位，这样我可以产生0-1之间的均匀分布的浮点数，供用户使用。那为什么又叫“伪随机数生成算法”？为什么加一个“伪”字？很自然就是因为它达不到上一期讲过的“真随机数“的要求，目前计算机架构下也永远不可能有”真“随机数生成算法。但好在实际运用中我们不需要那么高的要求，在实际使用中，我们只要保证根据相当长历史随机数，你无法用当代主流的计算能力，在相当长的时间内，对我之后随机数的猜测的成功或失败概率，与½之间，无法产生任何“显著”的区别，或者用一个术语，就是差别是“可忽略的”（neglectable），就是你猜我随机数的成功失败概率与瞎猜之间的区别是可忽略的，那我就是很放心的。线性同余法Python代码片段(作者: John D. Cook)：for _ in range(N): z = a*z % m # LCG bit_string += format(z, formatstr)岩浆灯：[图片]公众号订阅，微信搜索：dalaoli_shuxue
大家还在听
