什么是好的、快速的 PRNG（非加密安全）答案

【问题标题】：What is a good, fast PRNG (non-cryptographically secure)什么是好的、快速的 PRNG（非加密安全）
【发布时间】：2009-08-12 13:47:01
【问题描述】：

我正在寻找一种快速的 PRNG，以便我可以快速为对象创建（半）唯一 ID。唯一性更多的是一个管理问题，ID 重复只是在极少数情况下才会出现的问题。

它必须尽可能快，因为性能至关重要，而且是非连续的（如果 ID 是连续的，则更有可能在管理方面发生错误）。另外，我想避免使用较低的数字，但只要重试直到检索到足够高的数字，就可以轻松缓解这种情况。

编辑我还应该补充一点，我要求 ID 为 32 位，因此 GUID 不起作用并且需要独立于平台（目前正在 PC 上实现，但还需要在 Nintendo DS、PSP、PS3、Wii、Xbox 等上运行平台）。此外，它可能每秒调用数千次，因此基于输入的随机数生成是不可行的。

谢谢

【问题讨论】：

您使用什么语言/系统？
@John：那应该对算法影响太大了吧？
所以你想要一个 prng 算法，而不是快速实现。
为什么是随机的？为什么不是顺序的？如果您想要不同，如果只有一个来源，则最后一个加一保证是唯一的。
另见：stackoverflow.com/questions/1026327/…

标签： random

【解决方案1】：

GUIDs?许多环境都支持生成这些。

【讨论】：

【解决方案2】：

我不确定我的理解是否正确，但如果您使用的是 Linux 机器，则可以从 /dev/urandom 读取以获取高质量随机数流。这些数字可用于生成您需要的任何长度的字符串。请记住，要使此解决方案起作用，机器应该接收来自用户（键盘/鼠标）的输入。

【讨论】：

【解决方案3】：

最适合您的 PRNG 的算法是您的编程语言已经提供的任何库。它将有一个经过良好测试的算法，并且可能会很聪明地使用计算机中现有的随机源，例如 /dev/random。

如果您想要“低数字”，请不要在得到一个之前重试；这将永远持续下去。只需取随机数并根据您的天花板对其进行修改。即：

random() % 1000000

返回一个介于 0 和 999,999 之间的随机数。

【讨论】：

但这些通常是一种放慢速度的方法，而且我不需要它是高质量的随机，只要足够随机即可。另外，我正在使用 c++，其中唯一的标准算法是 'rand()'，它在许多平台上都被破坏并且可能非常慢。
“PRNG 的最佳算法是你的编程语言已经提供的任何库。” - 那个太错误了，甚至都不好笑。您基本上可以参考 PRNG 上的每一个来源来确定。

【解决方案4】：

如果你真的只需要非顺序部分，X[i] = (X[i-1] + a) mod b 有什么问题？如果 a 和 b 是互质数，这将与周期 b 重复。这使得 b=2^32 成为一个简单的选择，而 a 可以是任何大于 2 的素数。性能将以 MHz 为单位，而不是 KHz。

避免使用较小的数字也很简单：使用序列 X[i] = offset + (X[i-1] - offset + a) mod b ？

【讨论】：

这不是基本上是顺序的，而是一个步骤吗？
当然。但考虑到这个问题，这可能已经足够好了。重点是：不要过度设计。
+1 - 另外，谷歌 'fishman and moore' 为 a 和 b 找到一组好的值。

【解决方案5】：

这可能有效：

自纪元以来的当前时间总和，线程 id 和序号。

【讨论】：

这是个好主意，并没有真正想到使用线程ID之类的东西。虽然这并非在所有平台上都可用，但我应该能够从分散在系统周围的变量中获取相当多的随机数据（例如当前的扫描行数和从简单的堆栈遍历中获取的值）。
这是一个糟糕的答案，因为它主要是一个顺序流（时间不一定会改变，我不明白为什么线程 id 会改变）跨度>
@StevenLu，我同意。那是一个可怕的答案！我什至不记得写过那个......

【解决方案6】：

见：http://www.number.com.pt/index.html

【讨论】：

【解决方案7】：

Fishman 和 Moore 写了一篇关于线性同余 PRNG 的论文 (A(x) = A(x-1)|m)。 This posting on Stackoverflow 讨论了这个算法。如果您的平台都可以支持用于中间结果的 64 位累加器（所有现代 C 编译器都应支持 64 位 long long 变量），那么这将简单快速，周期为 2^30，M = 2^31- 1.上面链接的帖子有一些来自 Fishman 和 Moore 论文的良好 A 值。

【讨论】：

【解决方案8】：

试试this。由乔治·马萨利亚提供。

无法与每秒 20 亿个随机数争论。

【讨论】：

是的，如果我只需要处理支持 SSE 的处理器，那就太好了。不幸的是，我处理的是 x86（其中许多相当精简到最低限度的功能）、PowerPC、Arm、MIPS 和 Cell 处理器（有时还有其他一些）。
那么，只需使用优化程度较低的 Marsaglia RNG 之一即可。

【解决方案9】：

如果问题是某些对象或线程生成的 ID 与其他对象或线程相同，请考虑使用 10k 保留子 ID 填充这些 ID。

如果您从前一个 id 生成随机 id，这将是同样的问题，因为 prngs 是确定性的。即 id 25653 将始终生成 id 7567832 下一个。总是。

您可能会考虑仅将 prng 用于非标准 id 生成，例如生成 id 的对象。比如观察这些冲突在什么条件下发生并用prng修复这些情况。其余的可能是安全的。

【讨论】：