JAVA基础:随机整数的生成
使用Java 2 SDK基础类库产生随机数的方法很多。但是如果你跟不上这些类库的更新脚步,你有可能正在使用的是一种低效的随机数生成机制,更糟糕的是:你有可能得到的不是均匀分布的随机数。本文将向你展示一种较为可靠的随机数生成方法,同时与其他方法进行比较。
nextint()方法
自从JDK最初版本发布起,我们就可以使用java.util.Random类产生随机数了。在JDK1.2中,Random类有了一个名为nextInt()的方法:
public int nextInt(int n)
给定一个参数n,nextInt(n)将返回一个大于等于0小于n的随机数,即:0 <= nextInt(n) < n。
你所要做的就是先声明一个Random的对象,在调用其nextInt(n)函数以返回随机值。
这里有个示例,下面的代码段将生成很多随机数并输出它们的平均值:
nextint()方法
自从JDK最初版本发布起,我们就可以使用java.util.Random类产生随机数了。在JDK1.2中,Random类有了一个名为nextInt()的方法:
public int nextInt(int n)
给定一个参数n,nextInt(n)将返回一个大于等于0小于n的随机数,即:0 <= nextInt(n) < n。
你所要做的就是先声明一个Random的对象,在调用其nextInt(n)函数以返回随机值。
这里有个示例,下面的代码段将生成很多随机数并输出它们的平均值:
int count = 1000000;
int range = Integer.MAX_VALUE / 3 * 2;
double sum = 0;
Random rand = new Random();
for (int i=0; i<count; i++) {
sum += Int(range);
}
System.out.println(sum/count);
执行了1000000次循环之后,得到的平均值基本上就处于随机数范围的中点(midpoint)。
到目前为止,事情还并不复杂,但是我们会问为什么要使用nextInt(n)?考虑一下的随机数生成方法:
(1)使用老的方法nextInt(),没有制定数值范围
(2)用Math.abs()静态函数得到(1)中产生值的绝对值
(3)对(2)的结果进行取模运算(%),得到期望范围类的值
我们说nextInt(n)要比上述方法更好,为什么呢?参考以下的代码段:
sum = 0;
for (int i=0; i<count; i++) {
sum += Math.Int()) % range;
}
System.out.println(sum/count);
不难发现,每次循环都多出了几步运算。事实上,这种随机数生成的方法存在着以下三个问题:
(2)用Math.abs()静态函数得到(1)中产生值的绝对值
(3)对(2)的结果进行取模运算(%),得到期望范围类的值
我们说nextInt(n)要比上述方法更好,为什么呢?参考以下的代码段:
sum = 0;
for (int i=0; i<count; i++) {
sum += Math.Int()) % range;
}
System.out.println(sum/count);
不难发现,每次循环都多出了几步运算。事实上,这种随机数生成的方法存在着以下三个问题:
首先,nextInt()返回的值是趋于均匀分布在Integer.MIN_VALUE 和 Integer.MAX_VALUE之间的。如果你取Integer.MIN_VALUE的绝对值,得到的仍然不是一个正数。事实上,Math.abs(Integer.MIN_VALUE)等于Integer.MIN_VALUE。因此,存在着这样一种情况(虽然很少见):Int()=Integer.MIN_VALUE,经过取绝对值Math.Int())之后,得到是一个负数。这种几率为 1/(2^31),在我们的测试中不太可能发生——循环次数只有1000000次。
其次,当你对nextInt()取模时,你使结果的随机性大打折扣。随机数中较小的值出现的几率更大一些。这就是众所周知的伪随机数生成,因此我们不是用取模的方法。
其次,当你对nextInt()取模时,你使结果的随机性大打折扣。随机数中较小的值出现的几率更大一些。这就是众所周知的伪随机数生成,因此我们不是用取模的方法。
最后,也可能是最糟糕的:随机数不是均匀分布。如果你执行了上述的两段代码,第一段代码的结果将会大于715,000,000,考虑到数值范围的中点(midpoint)是715,827,882,所以这是一个可以接受的结果。然而,你会吃惊的发现第二段代码得到的平均值肯定不会超过600,000,000。
为何第二段代码的结果会如此的偏差?纠其本质,问题出在数值分布的不均匀。当你进行取模运算时,你将过大的数转换成了较小的。这使得较小的数更容易产生。
为何第二段代码的结果会如此的偏差?纠其本质,问题出在数值分布的不均匀。当你进行取模运算时,你将过大的数转换成了较小的。这使得较小的数更容易产生。
使用nextInt(range)将会解决上述的三个问题。
还有一种随机数生成方法——使用Math.random()。这个方法的效果如何?
sum = 0;
for (int i=0; i<count; i++) {
sum += (int)(Math.random() * range);
}
System.out.println(sum/count);
很好,使用random()不会碰到nextInt()的麻烦。你不会得到负数返回值,没有使用取模运算,值分布也是均匀的。还有什么问题吗?你有没有考虑到Math.random()使用了浮点运算,而nextInt()和nextInt(range)只有整数操作?Math.random()可能会慢上四倍。再加上从浮点到整数的类型转换,整个运算将会更慢。
好了,经过一番比较,我们发现使用nextInt(range)生成随机数更为有效,因为它避免了其他方法的种种弊端。
最后再给出一段代码,通过测试可以比较本文提到的几种随机数生成方法。
import java.util.*;
*;
public class RandomTest {
public static void main(String args[]) {
NumberFormat nf = Instance();
int count = 1000000;
int range = Integer.MAX_VALUE / 3 * 2;
System.out.println("Midpoint: " + nf.format(range/2));
double sum = 0;
Random rand = new Random();
for (int i=0; i<count; i++) {
sum += Int(range);
}
System.out.println("Good : " + nf.format(sum/count));
sum = 0;
for (int i=0; i<count; i++) {
sum += Math.Int()) % range;
}
System.out.println("Bad : " + nf.format(sum/count));
sum = 0;
for (int i=0; i<count; i++) {
Random rand = new Random();
for (int i=0; i<count; i++) {
sum += Int(range);
}
System.out.println("Good : " + nf.format(sum/count));
sum = 0;
for (int i=0; i<count; i++) {
sum += Math.Int()) % range;
}
System.out.println("Bad : " + nf.format(sum/count));
sum = 0;
for (int i=0; i<count; i++) {
sum += (int)(Math.random() * range);
}
System.out.println("Longer : " + nf.format(sum/count));
}
}
}
System.out.println("Longer : " + nf.format(sum/count));
}
}
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198,我们将在24小时内删除。
发表评论