创建新随机与使用相同随机答案

【问题标题】：Creating new random vs using same random创建新随机与使用相同随机
【发布时间】：2016-05-13 04:04:31
【问题描述】：

我正在尝试分发一个系统，我需要使用来自Random Java 类的nextGaussian()。我发现打破唯一种子创建的数据依赖性的唯一方法是使用多个种子，从而创建多个随机数。

让我们忘记我的问题的上下文，我只想知道与仅使用一个实例相比，使用多个 Random 实例进行规范化的效果如何。换句话说……这个genNew 与genSame 相比有多随机？

代码：

public double[] genNew(int lim, long seed)
{
    double[] rand = new double[lim];
    for(int i = 0; i < lim; i++)
    {
        //A random for each iteration.
        Random r = new Random(i*seed);
        rand[i] = r.nextGaussian();
    }
    return rand;
}

public double[] genSame(int lim, long seed)
{
    double[] rand = new double[lim];
    //A random for all iterations
    Random r = new Random(seed);
    for(int i = 0; i < lim; i++)
        rand[i] = r.nextGaussian();
    return rand;
}

当我将这两个数组应用于我的代码时，我得到的结果非常不同。我只是无法解释为什么。

编辑：我知道这不会生成相同的数组，只是当使用大量 规范化 随机数来计算一个数字时，两个数字应该接近（因为规范化)，但事实并非如此。

【问题讨论】：

RNG 不应该用于生成一个数字，它们在多次使用时会产生更好的结果。你检查过genNew产生的值吗？
是的，价值观很糟糕。这就是为什么我想知道我是否做错了什么......
为什么这些值“很烂”？为什么你认为它们不是随机的？只要你使用genSame()的方法，它们应该是相当随机的，虽然计算机永远不能真正做到随机，但可以非常接近。 Have a look here for more info on random numbers
您应该自己尝试一下。我也是这么想的，对我来说，它们不是“非常”随机的，这对我来说是不合逻辑的。我也很惊讶，我无法理解这种行为。它们“看起来”是随机的……但是当你取不同连续种子随机数的第一个值时，它们并不是很随机。
另外，请在下面查看我的答案。那个素数使他们行为正确。我系统地对此进行了测试。我知道，这太疯狂了……我也不喜欢。我希望我错了，我希望有人解释到底发生了什么以及我错的原因。

标签： java random normal-distribution random-seed

【解决方案1】：

我找到了一种生成适当数字并打破数据依赖性的方法。

我不明白为什么这个因素会起作用，但确实如此。我偶然发现了它，我已经对其进行了近一百万次的测试，并且一直在工作而没有失败。

如果有人明白为什么会这样，请告诉：

Random r = new Random(seed * 43112609)

这个数是质数。这是我唯一的线索，但我仍然无法理解它为什么会起作用。

【讨论】：