伪随机数发生器答案

【问题标题】：Pseudo-random number generator伪随机数发生器
【发布时间】：2009-02-25 03:08:27
【问题描述】：

创建最佳伪随机数生成器的最佳方法是什么？（任何语言都可以）

【问题讨论】：

这是一个重要的研究领域，没有公认的最佳指标……您想达到什么目标？
您想要真正的随机性，还是想要可以重复的类随机系列？
@Robert Gould：他指定了伪随机。如果他在寻找真正的随机性，他确实是在找错树……
来自将被删除的答案：Hardware random number generator

标签： language-agnostic random

【解决方案1】：

这完全取决于应用程序。例如，创建“最随机”数字的生成器可能不是最快或最节省内存的生成器。

Mersenne Twister 算法是一种流行的、相当快速的伪随机数生成器，可以产生非常好的结果。它有一个巨大的周期，但也有一个相对巨大的状态（2.5 kB）。但是，它对于加密应用程序来说还不够好。

更新：自从编写了这个答案后，PCG family of algorithms 的发布似乎在大多数方面（速度、内存、随机性和周期）都优于现有的非加密算法，使其成为出色的全方位选择but cryptography。

如果你在做加密，我的回答仍然是：不要自己动手。

【讨论】：

MT 还具有在 n*[0-1)-空间上均匀绘制 n 元组的优点，用于大 n。不是每个 PRNG 都能做到的。这是它在许多领域的蒙特卡洛研究中非常受欢迎的原因。
“它被认为不足以用于加密应用程序”：不，MT 绝对禁止用于加密，因为 MT 的 624 个输出数字序列可以让您预测它的全部未来输出！捕获正确加密 RNG 的输出序列不会提供有关其未来输出的任何信息。
“捕获正确加密 RNG 的输出序列不会提供有关其未来输出的任何信息。”错了，有资料。未来的输出只需要难以计算即可。

【解决方案2】：

见Pitfalls in Random Number Generation

【讨论】：

【解决方案3】：

德国杂志 C't 在 2/2009 期中测试了许多软件和硬件生成器，并通过各种统计测试运行了结果。

我扫描了结果here。

我不会费心自己写。文章提到，即使是唐纳德·高德纳 (Donald Knuth) 的“超级随机数生成器”也失败了，毕竟它并不是那么随机。获得一个通过所有测试的结果（所有列中的结果 > 0）。他们还使用带有硬件 RNG 的 VIA EPIA M10000 主板测试了设置。对于需要具有高吞吐量的强大随机数服务器的商业或半商业设置，我喜欢此选项。

当然，除非你只是在玩，在这种情况下this 可能就足够了。

【讨论】：

如果您特别需要 PRNG，则硬件 RNG 是不可行的，即。 e.具有可重复输出的东西，这是在模拟中使用的一个非常重要的特征。

【解决方案4】：

最好的方法是不要。

Pseudo-random number generators 是一个非常复杂的主题，因此最好使用对该主题有很好理解的人制作的实现。

【讨论】：

我投了反对票，因为“不要重新发明轮子”是一个糟糕的答案，更糟糕的是因为它不断被无能的程序员传播。永远不应该告诉你不要做某事。
我同意@Krythic 的评论。你永远不应该劝阻一个人，或者一个初学者说这太复杂了。这停止了学习过程，是错误的。 -1
出于某种原因，这种类型的答案让我很困扰，如果初学者真的想将其作为练习来实现，那么不要阻止他们这样做。类似于初学者在人们说“使用beautifulsoup”之前询问“如何实现HTML解析器作为练习”。同意@Krythic
@expressjs123 我现在正在用我正在制作的颜色选择器重新发明轮子。我可以使用现有的颜色选择器吗？大概。但我想自己做。重新发明轮子是你学习新事物的方式，我永远不会告诉任何人不要这样做。这是我的项目的图片：imgur.com/a/A6hnv8F

【解决方案5】：

PRNG 算法很复杂，获取正确的熵源以使其正常工作也是如此。这不是你想自己做的事情。每种现代语言都有一个几乎可以肯定适合您使用的 PRNG 库。

【讨论】：

【解决方案6】：

哎呀，这会让 VEEEEEERY 变得复杂！似乎有许多指标可以衡量随机数生成器的“随机性”，因此很难衡量哪些是“最好的”。我将从Numerical Recipes in C（或任何你能找到的语言）开始举几个例子。我从那里给出的例子中编写了我的第一个简单的代码。

编辑：首先确定您需要的随机数生成器有多复杂也很重要。我记得几年前我在 C 中的一个粗鲁的觉醒，当时我发现默认随机数生成器的周期约为 32,767，这意味着它在生成那么多数字后往往会周期性地重复自身！如果你需要几个骰子，那很好。但当您需要为模拟生成数百万个“随机”值时则不然。

【讨论】：

数字食谱是一个危险的领域，因为除非您为每个用户购买许可证，否则它们不允许您使用代码。这是我们在大学模拟框架中遇到的一个陷阱，它造成了很大的麻烦。而对于 C RNG，周期通常在 2^32 左右，它只发出 15 位

【解决方案7】：

请参阅此链接了解 TestU01 测试套件，其中包括几组测试。

http://www.iro.umontreal.ca/~simardr/testu01/tu01.html

在论文中，作者展示了在各种现有 RNG 上的测试结果，但不是 .NET System.Random（据我所知）。虽然他确实测试了 VB6 的生成器。

很少有人通过所有测试...

【讨论】：

【解决方案8】：

从 knuth 半数字中窃取一个。它质量高且易于实施。它使用一对数组、加法和几个 if。如果我没记错的话，便宜，有效，而且很长一段时间 2^55。

【讨论】：

我依稀记得一本名著中的 RNG 非常糟糕，但因为它出现在一本名著中而被广泛使用。不过，我再也找不到关于这个的任何信息了。这很可能是另一本不同的书。不过，在将其用于任何关键目的之前，请务必检查一下。

【解决方案9】：

如果您打算使用 C++ 工作，Boost 有一组 PRNG，我比标准库中的任何东西都更信任这些 PRNG。 documentation 可能有助于挑选一个。与往常一样，PRNG 的好坏取决于您使用它的目的。

【讨论】：

【解决方案10】：

https://github.com/fsssosei/Pure_PRNG 用于通过统计测试的 PRNG 算法的 Python 库

【讨论】：

您不能直接添加指向某个存储库的链接。该存储库可能会在某个时间点被弃用，人们不会得到问题的解决方案。相反，请解释这如何解决了 OP 提出的问题。
好的。我的建议是：如果您不是该领域的专家，请不要创建自己的“PRNG”。使用现成的库，例如 Numpy 中的 PRNG

【解决方案11】：

在生产代码中，利用已建立的库绝对更安全，但从教育的角度来看，了解伪随机数生成器的工作原理并编写自己的库会很有趣且值得。

有许多不同的技术，但一种直接的方法是基于逻辑图。即

x = r * x * (1 - x)

如果r 的值正确，x 的值会表现出混乱和不可预测的行为。您可以在下面的参考资料中了解一些需要注意的陷阱。

参考文献

【讨论】：

【解决方案12】：

我最喜欢的是Hardware random number generators

【讨论】：