Java VS Matlab：Math.random() 和 rand答案

【问题标题】：Java VS Matlab : Math.random() and randJava VS Matlab：Math.random() 和 rand
【发布时间】：2016-02-16 10:48:14
【问题描述】：

我想问一下Java和Matlab中的随机数。

Java 中的 Math.random 和 Matlab 中的 rand 含义相同还是两者不同？如果不同的意思，有什么区别？

【问题讨论】：

他们有可能但不太可能使用相同的公式来生成伪随机数。

标签： java matlab random

【解决方案1】：

对于 Matlab，请参阅 http://www.mathworks.com/company/newsletters/news_notes/pdf/Cleve.pdf，其中解释了乘法同余生成器在 Matlab 中的工作原理。

对于 Java，请参阅 http://www.javamex.com/tutorials/random_numbers/java_util_random_algorithm.shtml#.VsMAw3WLSkA，其中解释了线性同余生成器如何在 Java Utils 类中用于随机数生成。

两者本质上是相同的算法，其中 Matlab 的 MCG 是 LCG 的一个特例，请参见此处：https://en.wikipedia.org/wiki/Linear_congruential_generator

是的，C++ (Borland)、Java.Utils、Matlab 语言使用基本相同的算法，因为它是高效的 - 它非常节省内存，它具有平坦的线性分布（即伪随机） -> 但它由于序列相关性，是质量较差的伪随机数。

但是那里有更好的算法，而不同的算法，例如 Python，使用 Mersenne Twister 算法进行 PRNG，但感知结果的随机性要小得多，请阅读：Random is barely random at all?

【讨论】：

不客气，我相信目前世界上已知最好的 PRNG 算法是 WELL (iro.umontreal.ca/~panneton/WELLRNG.html)。根据您使用的随机数，通常 Matlab/Java.Utils 就足够了，但是如果您正在做类似蒙特卡洛模拟的事情，我想您可能想要加载一个使用异或移位算法的 Mersenne Twister 的库以获得更准确的解释。
很好的答案。非常感谢。
在您的最后一段中，问题在于人们对随机性的误解，而不是 Mersenne Twister 的质量。 MT 的输出行为更接近真正随机性应该的方式，而不是人们错误地认为它应该的方式。 80 年代的一篇论文表明，对于整数 PRNG，not 在您点击 ~3 * sqrt(MAX_INT) 时观察到 any 重复构成了强大的 (p > .99) 统计测试的非随机性。给定 32 位整数，这意味着当大多数人认为 ~2B 的完整周期可用时，统计学家可以在 ~200k 值之后发现你。
@pjs 完全同意，完全同意。

【解决方案2】：

两者都返回0到1之间均匀分布的伪随机数。生成数字的算法及其质量可能不同，但接口相同。

【讨论】：

【解决方案3】：

MATLAB 中有许多不同的随机数生成器。有关详细信息，请参阅the reference page for rng。串行 MATLAB 中的默认值是 Mersenne Twister（Twister 不是并行随机数生成的合适选择，因此对于 Parallel Computing Toolbox 工作人员，并且在 GPU 上，默认值是组合多重递归）。在 GPU 上，additional random number generators are available 具有高质量且非常适合 GPU 执行。

需要注意的一点：MATLAB 非常小心地进行设置，这样当您开始一个新的 MATLAB 进程时，第一次调用 rand 将始终为您提供相同的结果（对于相同的 MATLAB 版本）。这与 Java 形成鲜明对比，Java 会在您使用 Math.random() 时对种子进行洗牌。

MATLAB 为您提供了多种强大的方法来通过rng 函数和RandStream 对象的方法来控制正在使用的随机数流。

【讨论】：