python中的两种随机数产⽣机制
随机种⼦：
随机种⼦（Random Seed）是计算机专业术语，⼀种以随机数作为对象的以真随机数（种⼦）为初始条件的随机数。
⼀般计算机的随机数都是伪随机数，以⼀个种⼦作为初始条件，然后⽤⼀定的算法不停迭代产⽣随机数。
伪随机数：
因为真随机涉及到了物理的量⼦.故本⽂只讨论伪随机数的⽣成⽅法。
在python 中的random库中，会⽤到如randint之类的⽅法来⽣成⼀定范围内的随机数.这之中主要⽤到的⽅法步骤为
->指定⼀个特定的seed种⼦；
->根据seed再通过特定的随机数产⽣⽅法，就可以做到在[0，1]这个范围中取到随机分布的随机数；
-
>然后经过⼀定的变换，就可以得到⼀定范围内的随机数了.
伪随机数产⽣⽅法：
线性同余⽅法
平⽅取中⽅法
梅森旋转随机⽣成法
BOX-MULLER法
随机数的计算⽅法在不同的计算机中是不同的，即使在相同的计算机中安装的不同的操作系统中也是不同的。
随机数产⽣⽅法好坏的判定：
判定标准和判断⼯具.⽐如像NIST测试⽅法，TestU01的测试⼯具等，此处给出德联信息安全⼯作室的⼀套⽅法。
1. 包含相同随机数序列的概率很低。
2. 根据指定的统计检验区别于“真随机数”的数字序列。
3. 它不可能被任何⼈能够通过计算得到，或以其他的⽅法进⾏猜测，得到任何给定的⼀个⼦序列，以及任何⼯作中产⽣的⼀切序列中的
值，以及迭代器的⼯作状态。
4. 对于任何⽬的⽽⾔，任何⼈不能从随机数⽣成器的内部状态计算或猜测得到序列中的任何⼀个之前的数字／序列以及任何之前的随机
数的状态。
⽅法介绍：
1. 经典的随机数产⽣⽅法为是线性同余法，即Linear Congruence Generator (LCG)，由Lehmer于1951年提出。（同余：对于两个整数
A、B，如果它们同时除以⼀个⾃然数M的余数相同，就说A、B对于模M同余，A≡B mod M。）
线性同余发⽣器是⽤不连续的、分段的线性⽅程产⽣伪随机数序列的算法。LCG的定义：
其中
X  是随机数序列
m  m > 0，模
a  0 < a < m ，乘⼦
c  0 ≤ c < m ，增量，即偏移量
X0  0 ≤ X0 < m ，开始值，通常叫做“种⼦”seed
* 模的选取：对于随机数的⽣成⽽⾔，随机数序列周期越长, 它就越能够在[0, 1]上均匀分布及相互独⽴。m 越⼤周期就越⼤，所以使 m 接近于计算机能表⽰的最⼤的整数。
* 乘⼦的选取：对于 m 的任何⼀个质因⼦p，a-1 能被 P 整除，且如果 4 是 m 的因⼦，则 a 除以4余1。
* 增量的选取：增量 c 和 m 互质
缺点：周期太短、如果被知道⼀定长度的序列就能破解出所有的随机数⽣成序列
程序：linear_congruence.py
#import
from time import time,clock
#define
m = 2 ** 32
a = 1103515245
c = 12345
def LCG(seed):
seed = (a * seed + c) % m
return seed / float(m-1)
def main():
br = input("请输⼊随机数产⽣的范围(⽤，隔开):")
mi = eval(br.split(',')[0])
ma = eval(br.split(',')[1])
seed = time()
rd = LCG(seed)
print(rd)
ourd = int((ma-mi)*rd) + mi
print(ourd)
print("随机⽣成的数字是：{}".format(ourd))
main()
1. 2.  平⽅取中法
选择⼀个m位数N（本例为当前时间戳），作为SEED种⼦，做平⽅运算；
判断N* N的长度，若⼩于2m，在最前⾯补0；
在这个N*N的数中选中间m个位的数作为随机数.random python
缺点：周期很短、分布并不不均匀
程序：middle_square.py
#平⽅⽅取中
from time import time
def rander(seed,n):
if n ==1:
return 0
seed = int(seed)
length = len(str(seed))
seed = int(seed ** 2 / pow(10,(length/2))) % int(pow(10.0,length))
'''
seed = (seed^2 / 10^(length/2)) % 10^length
'''
print("n= %d,seed = %d" % (n, seed))
rander(seed,n-1)
def main():
seed = time()
print("seed =",seed)
rander(seed,100)
main()

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。