本文實例講述了Java隨機數(shù)算法。分享給大家供大家參考，具體如下：

軟件實現(xiàn)的算法都是偽隨機算法，隨機種子一般是系統(tǒng)時間

在數(shù)論中，線性同余方程是最基本的同余方程，“線性”表示方程的未知數(shù)次數(shù)是一次，即形如：

ax≡b (mod n)的方程。此方程有解當且僅當 b 能夠被 a 與 n 的最大公約數(shù)整除(記作 gcd(a,n) | b)。這時，如果 x0 是方程的一個解，那么所有的解可以表示為：

{x0+kn/d|(k∈z)}

其中 d 是a 與 n 的最大公約數(shù)。在模 n 的完全剩余系 {0,1,…,n-1} 中，恰有 d 個解。

例子編輯

* 在方程 3x ≡ 2 (mod 6) 中， d = gcd(3,6) = 3 ，3 不整除 2，因此方程無解。

* 在方程 5x ≡ 2 (mod 6) 中， d = gcd(5,6) = 1，1 整除 2，因此方程在{0,1,2,3,4,5} 中恰有一個解: x=4。

* 在方程 4x ≡ 2 (mod 6) 中， d = gcd(4,6) = 2，2 整除 2，因此方程在{0,1,2,3,4,5} 中恰有兩個解: x=2 and x=5。

純線性同余隨機數(shù)生成器

線性同余隨機數(shù)生成器介紹：

古老的LCG(linear congruential generator)代表了最好最樸素的偽隨機數(shù)產(chǎn)生器算法。主要原因是容易理解，容易實現(xiàn)，而且速度快。

LCG 算法數(shù)學上基于公式：

X(0)=seed;

X(n+1) = (A * X(n) + C) % M;

其中，各系數(shù)為：

X(0)表示種子seed

模M, M > 0

系數(shù)A, 0 < A < M

增量C, 0 <= C < M

原始值(種子) 0 <= X(0) < M

其中參數(shù)c, m, a比較敏感，或者說直接影響了偽隨機數(shù)產(chǎn)生的質(zhì)量。

一般來說我們采用M=(2^31)-1 = 2147483647，這個是一個31位的質(zhì)數(shù)，A=48271，這個A能使M得到一個完全周期，這里C為奇數(shù)，同時如果數(shù)據(jù)選擇不好的話，很有可能得到周期很短的隨機數(shù)，例如，如果我們?nèi)eed=179424105的話，那么隨機數(shù)的周期為1，也就失去了隨機的意義。

(48271*179424105+1)mod(2的31次方-1)=179424105

package test;

import java.util.HashMap;

import java.util.Map;

import java.util.concurrent.atomic.AtomicLong;

public class Random {

public final AtomicLong seed=new AtomicLong();

public final static long C = 1;

public final static long A = 48271;

public final static long M = (1L << 31) - 1;

public Random(int seed){

this.seed.set(seed);

}

public Random(){

this.seed.set(System.nanoTime());

}

public long nextLong(){

seed.set(System.nanoTime());

return (A *seed.longValue() + C) % M;

}

public int nextInt(int number){

return new Long( (A * System.nanoTime() + C) % number).intValue();

}

public static void main(String[] args) {

System.out.println(new Random().nextLong());

Map map=new HashMap();

for(int i=0;i<100000;i++){

int ran=new Random().nextInt(10);

if(map.containsKey(ran)){

map.put(ran, map.get(ran)+1);

}else{

map.put(ran, 1);

}

}

System.out.println(map);

}

}

自己寫個簡單例子，隨機10萬次，隨機范圍0到9，看看是否均勻

相對來說還是挺均勻的

PS：這里再為大家提供幾款功能類似的在線工具供大家參考：

希望本文所述對大家java程序設(shè)計有所幫助。

總結(jié)

以上是生活随笔為你收集整理的java 随机数算法_Java随机数算法原理与实现方法实例详解的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。