正文

偽隨機(jī)算法有哪些

發(fā)布時(shí)間：2023-04-08 09:14:56 稿源：創(chuàng)意嶺閱讀： 64

大家好！今天讓創(chuàng)意嶺的小編來(lái)大家介紹下關(guān)于偽隨機(jī)算法有哪些的問(wèn)題，以下是小編對(duì)此問(wèn)題的歸納整理，讓我們一起來(lái)看看吧。

開(kāi)始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫(xiě)出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁(yè)版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解SEO相關(guān)業(yè)務(wù)請(qǐng)撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、『偽隨機(jī)』偽隨機(jī)的概念
2、聽(tīng)說(shuō)計(jì)算機(jī)產(chǎn)生的隨機(jī)數(shù)是偽隨機(jī)數(shù)，公式有誰(shuí)知道。
3、C++ 中的偽隨機(jī)數(shù)，例如rand()，是怎么生成的？
4、偽隨機(jī)和真隨機(jī)區(qū)別

偽隨機(jī)算法有哪些

一、『偽隨機(jī)』偽隨機(jī)的概念

計(jì)算機(jī)里的確的確沒(méi)有“真隨機(jī)”，因?yàn)橛?jì)算機(jī)是由0和1組成，不存在不確定的因素。但是程序經(jīng)常會(huì)用到隨機(jī)的功能，因此出現(xiàn)了“偽隨機(jī)”,這是相對(duì)“真隨機(jī)”的一個(gè)概念。

“真隨機(jī)”就是我們現(xiàn)實(shí)世界中的隨機(jī)，每次發(fā)生都是獨(dú)立事件，概率不會(huì)相互影響。

比如一件事發(fā)生的概率是20%，不管是否發(fā)生，那么下次再發(fā)生的概率依然是20%。

隨機(jī)數(shù)生成器 是一個(gè)函數(shù)y=f(x)，而 隨機(jī)種子 則是變量x。所以一旦x和f(x)確定了，那么產(chǎn)生的隨機(jī)數(shù)y也就確定。

“偽隨機(jī)”正是通過(guò)，在 隨機(jī)數(shù)生成器 中傳入的 隨機(jī)種子 得到結(jié)果產(chǎn)生隨機(jī)數(shù)。之所以為“偽隨機(jī)”，是因?yàn)槟軌虺霈F(xiàn)的結(jié)果以及次序其實(shí)已經(jīng)在 隨機(jī)數(shù)生成器 這個(gè)函數(shù)中確定了，如果f(x)一定，而程序通過(guò)輸入x的變化，而產(chǎn)生不同結(jié)果，達(dá)到隨機(jī)的效果。 “偽”指的是有規(guī)律，而不是“假”。

比如3次輸入的x值相同，那么得到的3次結(jié)果也將相同。但是如果將當(dāng)前時(shí)間節(jié)點(diǎn)（時(shí)鐘）當(dāng)做輸入x，x則必然不同，則達(dá)到了隨機(jī)的效果。

在游戲中，經(jīng)常有"暴擊率"的游戲設(shè)定，但是出現(xiàn)連續(xù)暴擊而改變戰(zhàn)局對(duì)于電子競(jìng)技游戲來(lái)說(shuō)并不是好事，因此經(jīng)典游戲war3，dota就對(duì)暴擊率進(jìn)行了干涉，首先設(shè)定一個(gè)暴擊率初始值x%，之后進(jìn)行正常判定，如果未發(fā)生暴擊，則通過(guò)算法，提高x%的值。那么下次暴擊率就會(huì)提高。如此循環(huán)，直到出現(xiàn)暴擊，然后重置暴擊率為初始x%。

雖然過(guò)程并不獨(dú)立，但平均總體算下來(lái)，是符合該角色暴擊率的。

在游戲中，經(jīng)常有抽卡玩法，比如YYS，F(xiàn)GO，王者榮耀等。

假如SSR出率為1%，那么1個(gè)玩家抽100次沒(méi)有SSR的概率是99%，那么100個(gè)玩家各抽100次，0.99^100=0.366，將近37%的人沒(méi)有SSR。這就非常影響游戲體驗(yàn)了，超過(guò)1/3的玩家都沒(méi)有獲得強(qiáng)力卡牌。這會(huì)導(dǎo)致這部分玩家一氣之下卸載游戲甚至在網(wǎng)絡(luò)上攻擊游戲，對(duì)游戲廠商非常不利。為了避免這種情況，很多游戲推出了保底機(jī)制，比如當(dāng)你前99次都沒(méi)有抽到某爆率1%角色時(shí)，第100次必定會(huì)出，這就是保底機(jī)制。

現(xiàn)在的音樂(lè)播放器都有“隨機(jī)播放”功能，這個(gè)功能的實(shí)現(xiàn)并不是在你的歌單中隨機(jī)抽取歌曲播放，而是將你歌單中的歌曲重新打亂排序生成一個(gè)新歌單（用戶看不到），再順序播放這個(gè)生成的歌單。

所以即使你使用隨機(jī)播放，當(dāng)你從固定的歌曲選擇“上一首”時(shí)，每次都是同一首歌。

二、聽(tīng)說(shuō)計(jì)算機(jī)產(chǎn)生的隨機(jī)數(shù)是偽隨機(jī)數(shù)，公式有誰(shuí)知道。

用S作隨機(jī)模擬計(jì)算

作為統(tǒng)計(jì)工作者，我們除了可以用S迅速實(shí)現(xiàn)新的統(tǒng)計(jì)方法，還可以用S進(jìn)行隨機(jī)模擬。隨機(jī)模擬可以驗(yàn)證我們的算法、比較不同算法的的優(yōu)缺點(diǎn)、發(fā)現(xiàn)改進(jìn)統(tǒng)計(jì)方法的方向，是進(jìn)行統(tǒng)計(jì)研究的最有力的計(jì)算工具之一。

隨機(jī)模擬最基本的需要是產(chǎn)生偽隨機(jī)數(shù)，S中已提供了大多數(shù)常用分布的偽隨機(jī)數(shù)函數(shù)，可以返回一個(gè)偽隨機(jī)數(shù)序列向量。這些偽隨機(jī)數(shù)函數(shù)以字母r開(kāi)頭，比如rnorm()是正態(tài)偽隨機(jī)數(shù)函數(shù)，runif()是均勻分布偽隨機(jī)數(shù)函數(shù)，其第一個(gè)自變量是偽隨機(jī)數(shù)序列長(zhǎng)度n。關(guān)于這些函數(shù)可以參見(jiàn)第14節(jié)以及系統(tǒng)幫助文件。下例產(chǎn)生1000個(gè)標(biāo)準(zhǔn)正態(tài)偽隨機(jī)數(shù)：

rnorm(1000)

這些偽隨機(jī)數(shù)函數(shù)也可以指定與分布有關(guān)的參數(shù)，比如下例產(chǎn)生1000個(gè)均值為150、標(biāo)準(zhǔn)差為100的正態(tài)偽隨機(jī)數(shù)：

rnorm(1000,

mean=150,

sd=100)

產(chǎn)生偽隨機(jī)數(shù)序列是不重復(fù)的，實(shí)際上，S在產(chǎn)生偽隨機(jī)數(shù)時(shí)從一個(gè)種子出發(fā)，不斷迭代更新種子，所以產(chǎn)生若干隨機(jī)數(shù)后內(nèi)部的隨機(jī)數(shù)種子就已經(jīng)改變了。有時(shí)我們需要模擬結(jié)果是可重復(fù)的，這只要我們保存當(dāng)前的隨機(jī)數(shù)種子，然后在每次產(chǎn)生偽隨機(jī)數(shù)序列之前把隨機(jī)數(shù)種子置為保存值即可：

the.seed

.Random.seed

……………

.Random.seed

the.seed

rnorm(1000)

作為例子，我們來(lái)產(chǎn)生服從一個(gè)簡(jiǎn)單的線性回歸的數(shù)據(jù)。

簡(jiǎn)單線性回歸的模擬

lm.simu

function(n){

先生成自變量。假設(shè)自變量x的取值范圍在150到180之間，大致服從正態(tài)分布。

rnorm(n,

mean=165,

sd=7.5)

再生成模型誤差。假設(shè)服從N(0,

1.2)分布

eps

rnorm(n,

1.2)

用模型生成因變量

0.8

eps

return(data.frame(y,x))

}

S沒(méi)有提供多元隨機(jī)變量的模擬程序，這里給出一個(gè)進(jìn)行三元正態(tài)隨機(jī)變量模擬的例子。假設(shè)要三元正態(tài)隨機(jī)向量

的

n個(gè)獨(dú)立觀測(cè)，可以先產(chǎn)生n個(gè)服從三元標(biāo)準(zhǔn)正態(tài)分布的觀測(cè)，放在一個(gè)

n行3列的矩陣中：

matrix(rnorm(3*n),

ncol=3,

byrow=T)

可以認(rèn)為矩陣U的每一行是一個(gè)標(biāo)準(zhǔn)的三元正態(tài)分布的觀測(cè)。設(shè)矩陣

的Choleski分解為

，

A為上三角矩陣，若隨機(jī)向量

，則

。因此，

作為一個(gè)三行

n列的矩陣每一行都是服從

分布的，且各行之間獨(dú)立。經(jīng)過(guò)轉(zhuǎn)置，產(chǎn)生的

matrix(rep(mu,n),

ncol=3,

byrow=T)

%*%

是一個(gè)

n行三列的矩陣。

有時(shí)模擬需要的計(jì)算量很大，多的時(shí)候甚至要計(jì)算幾天的時(shí)間。對(duì)于這種問(wèn)題我們要善于把問(wèn)題拆分成可以單獨(dú)計(jì)算的小問(wèn)題，然后單獨(dú)計(jì)算每個(gè)小問(wèn)題，把結(jié)果保存在S對(duì)象中或文本文件中，最后綜合保存的結(jié)果得到最終結(jié)果。

如果某一個(gè)問(wèn)題需要的計(jì)算時(shí)間比較長(zhǎng)，我們?cè)诰幊虝r(shí)可以采用以下的技巧：每隔一定時(shí)間就顯示一下任務(wù)的進(jìn)度，以免計(jì)算已經(jīng)出錯(cuò)或進(jìn)入死循環(huán)還不知道；應(yīng)該把中間結(jié)果每隔一段時(shí)間就記錄到一個(gè)文本文件中（cat()函數(shù)可以帶一個(gè)file參數(shù)和append參數(shù)，對(duì)這種記錄方法提供了支持），如果需要中斷程序，中間結(jié)果可能是有用的，有些情況下還可以根據(jù)記錄的中間結(jié)果從程序中斷的地方繼續(xù)執(zhí)行。

參考文獻(xiàn)：

http://www.math.pku.edu.cn/teachers/lidf/docs/statsoft/html/s/13.html

三、C++ 中的偽隨機(jī)數(shù)，例如rand()，是怎么生成的？

#include<math.h>

#define RAND_MAX 32767

unsigned int g_nSeed;//隨機(jī)數(shù)種子

void srand(unsigned int seed)//初始化隨機(jī)數(shù)種子

{

g_nSeed = seed;

}

int rand()

{

int a, c;

a = sqrt(RAND_MAX) + 1;

c = sqrt(3)*RAND_MAX;

g_nSeed = (g_nSeed*a+c)%RAND_MAX;//一種求隨機(jī)數(shù)種子的算法，具體算法不一定是這樣，可以有很多種，但大概原理就是這樣

return g_nSeed;

}

四、偽隨機(jī)和真隨機(jī)區(qū)別

計(jì)算機(jī)不會(huì)產(chǎn)生絕對(duì)隨機(jī)的隨機(jī)數(shù)，計(jì)算機(jī)只能產(chǎn)生“偽隨機(jī)數(shù)”。其實(shí)絕對(duì)隨機(jī)的隨機(jī)數(shù)只是一種理想的隨機(jī)數(shù)，即使計(jì)算機(jī)怎樣發(fā)展，它也不會(huì)產(chǎn)生一串絕對(duì)隨機(jī)的隨機(jī)數(shù)。計(jì)算機(jī)只能生成相對(duì)的隨機(jī)數(shù)，即偽隨機(jī)數(shù)。

隨機(jī)數(shù)三個(gè)特性

1、隨機(jī)性：完全亂序；

2、不可推測(cè)性：從已有的數(shù)，無(wú)法推測(cè)出下一個(gè)數(shù)；

3、不可重復(fù)性：隨機(jī)數(shù)之間不重復(fù)。

真隨機(jī)數(shù)是伴隨著物理實(shí)驗(yàn)的，比如：拋硬幣、擲骰子、電子元件的噪音、核裂變等，它的結(jié)果符合三大特性的。

偽隨機(jī)數(shù)

偽隨機(jī)數(shù)是通過(guò)一定算法，獲得一個(gè)隨機(jī)的值，并不是真的隨機(jī)。偽隨機(jī)又分為強(qiáng)偽隨機(jī)數(shù)和弱偽隨機(jī)數(shù)。強(qiáng)偽隨機(jī)數(shù)：更加貼近真隨機(jī)數(shù)，滿足特性的。隨機(jī)性和不可推測(cè)性，難以預(yù)測(cè)。弱偽隨機(jī)數(shù)：滿足隨機(jī)性，可以預(yù)測(cè)。

以上就是關(guān)于偽隨機(jī)算法有哪些相關(guān)問(wèn)題的回答。希望能幫到你，如有更多相關(guān)問(wèn)題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。