C中的随机数生成答案

【问题标题】：RANDOM Number Generation in CC中的随机数生成
【发布时间】：2010-04-19 10:26:16
【问题描述】：

最近我开始开发一个简单的游戏。它是我开发的早期版本的改进版本。游戏的成功很大程度上取决于不同模式下的随机数生成：

MODE1 - 真正随机模式

myRand(min,max,mode=1);

应该返回一个随机整数 b/w min & max。

MODE2 - 伪随机：令牌出袋模式

myRand(min,max,mode=2);

应该返回一个随机整数 b/w min & max。还应在内部跟踪返回的值，并且在所有其他值至少返回一次之前不得再次返回相同的值。

MODE3 - 伪随机：人类模式

myRand(min,max,mode=3);

应该返回一个随机整数 b/w min & max。随机化不应该是纯粹的数学随机，而是用户感知的随机。 How Humans see RANDOM。

* 假设代码是时间关键的（即欢迎任何性能优化）

* 伪代码可以，但我正在寻找 C 中的实现。

* 请保持简单。一个函数就足够了（这就是我要找的）

谢谢

【问题讨论】：

你不能在电脑上生成真正的随机数！嗯，你可以例如。通过这个设备cryptography.com/resources/whitepapers/IntelRNG.pdf
@Yacoby。是的 rand() 并不是真正随机的。因此，我正在尝试实现我自己的 myrand() 函数，如上所示。
对于模式 2，说在给出所有数字之前永远不要重复，这不是随机的。随机意味着您无法预测一个数字是否会重复。通过说他们不能重复，你放弃了一些关于后续数字的可能性的东西。因此并不是真正随机的。可能是你想要的，但它不能被称为随机。
所以 mode2 实际上是关于返回数字 min、min+1、...、max 的随机排列，而不是随机数序列
@Tesserex 那是一种伪随机模式。它用于像谁想成为百万富翁的测验这样的情况，在这种情况下，同一个问题不应该在一个会话中被问两次。我想我现在已经透露了我游戏的一部分...... ;-)

标签： c random

【解决方案1】：

首先，研究 Mersenne Twister。这应该是您解决问题的良好基础。

模式1：直接使用值。鉴于这些值是 32 位的，取决于 min 和 max 的范围，模 (max-min+1) 可能就足够了，尽管如果这个间隔不是 2 的幂，则存在一个小的偏差。否则，您可以将该值视为 0 到 1 之间的浮点值，并且需要一些额外的操作。可能还有其他解决方案可以让整数均匀分布，但我还没有研究过这个具体问题。维基百科在这里可能会有所帮助。

模式 2：使用一个用 min..max 填充的数组，然后对其进行随机播放。按顺序返回打乱后的值。当你通过数组时，重新填充并重新洗牌。

模式 3 是最复杂的。少量随机值显示集群，即，如果您计算不同值的出现次数，则您有一个平均值，并且计数通常高于或低于该平均值。据我了解您的链接，人类期望随机性具有所有计数的平均值。因此，根据它们与平均计数的距离，计算出现次数并赋予不同值更高的概率。简单地使用多数组重用模式 2 可能就足够了，例如使用一个大小为 (max-min+1) 的 10 倍的数组，用 10x min、10x min+1 等填充它，然后随机播放。然后，每整整 10 轮，您的计数完全相等。

在模式 3 上编辑：

假设您有 min=1 和 max=5。你计算出现次数。如果它们都具有相同的概率（应该使用好的随机生成器），那么每个值出现的概率为 0.2，因为概率加起来为 1.0：

Value Occur Probability
1     7x    0.2
2     7x    0.2
3     7x    0.2
4     7x    0.2
5     7x    0.2
Average: 7x

但是现在假设 3 只出现了 5 次，而 5 出现了 9 次。如果要保持均匀分布，则 3 必须成为更高的概率才能赶上平均发生率，而 5 必须成为较低的概率才能在所有其他值赶上之前不会增长得这么快。尽管如此，所有个体概率加起来必须为 1.0：

Value Occur Probability
1     7x    0.2
2     7x    0.2
3     5x    0.3
4     7x    0.2
5     9x    0.1
Average: Still 7x

不同的出现也应该有不同的概率，这取决于它们与平均值的距离：

Value Occur Probability
1     10x   0.05
2     4x    0.35
3     5x    0.3
4     7x    0.2
5     9x    0.1
Average: Still 7x

实现起来并不简单，而且很可能很慢，因为随机生成器仍然提供相等的概率，所以修改后的模式 2 可能是一个足够好的选择。

【讨论】：

@安全。谢谢你。您能否详细说明 Mode3。尤其是部分......“计算出现次数并赋予不同值更高的概率”

【解决方案2】：

第一步，去阅读 Knuth

【讨论】：

确实，只要浏览一下他的伪随机数生成方法和算法，你应该很容易解决这些问题。
@chris 我确实通过了 KNUTH www-cs-faculty.stanford.edu/~uno/programs/rng.c 但我特别在寻找任何指针来实现可以在所有三种模式下运行的 myrand() 函数。

【解决方案3】：

如果 max-min = 2^N-1，则可以对模式 2 使用线性反馈移位寄存器。这种随机发生器产生具有 N 位内部存储的 2^N-1 个数字的重复序列。更详细的解释和代码见http://en.wikipedia.org/wiki/LFSR。

【讨论】：

序列不应该重复。即名称编号不应连续返回两次；那不是随机的。此外，传递给 myrand() 的 max 和 min 有时可能会在对函数的连续调用之间发生变化。所以LFSR不是一个可行的解决方案...

【解决方案4】：

人类可感知与第一种模式相同，除了可以任意拒绝 2、5、10 的倍数的结果。

如果我要求一个随机数并得到 5 或 10，我会认为它不够随机。

【讨论】：