用线性同余法生成伪随机数

用线性同余法生成伪随机数

在计算机上可以用物理方法来产生随机数，但价格昂贵，不能重复，使用不便。另一种方法是用数学递推公式产生，这样产生的序列与真正的随机数序列不同，所以称为伪随机数或伪随机序列，只要方法和参数选择合适，所产生的伪随机数就能满足均匀性和独立性，与真正的随机数具有相近的性质。

产生随机数的方法是先用一定的方法产生[0,1]均匀分布的随机数，然后通过一个适当的变换就可以得到符合某一概率模型的随机数。

原理：假设我们要生成伪随机数列为R0、R1、R2…。首先，我们根据伪随机数的种子，用下列公式计算第一个伪随机数R0
R0=（A*种子+C）mod M
接下来用R0生成R1，R1生成R2，递归即可

当a=0时为和同余法，当c=0时为乘同余法，c≠0时为混合同余法

常用的产生[0,1]均匀分布的随机数的方法有乘同余法和混合同余法。

简而言之，线性同余法就是将当前的伪随机数值乘以A再加上C,然后将除以M得到的余数作为下一个伪随机数。在线性同余法中，最近一次生成的伪随机数的值就是内部状态，伪随机数的种子被用来对内部状态进行初始化。

在线性同余法中，只要谨慎选择A、C、M的值，就能够很容易地生成具备随机性的伪随机数列。

由于伪随机数是除以M得到的余数，因此其范围必定是0~M-1，而且生成的随机数会呈现一定周期（打个比方，x mod 12 代表的是钟表刻度，它的值永远在0-11之间,这个概念在数学里叫”同余”）。而且根据A、C、M的值，最终只能生成上述范围中的一部分值（因此周期会缩短）。

线性同余法的最大周期是m，但一般情况下会小于m。要使周期达到最大，应该满足以下条件：
(1) c和m互质；
(2) m的所有质因子的积能整除a-1；
(3) 若m是4的倍数，则a-1也是；
(4) a，c，r0（初值，一般即种子）都比m小；
(5) a，c是正整数。

线性同余方法速度快，如果对乘数和模数进行适当的选择，可以满足用于评价一个随机数产生器的3 种准则：
(1)这个函数应该是一个完整周期的产生函数。也就是说，这个函数应该在重复之前产生出0 到m之间的所有数；
(2)产生的序列应该看起来是随机的；
(3)这个函数应该用32bit 算术高效实现。

使用混合同余法
Ri+1=(a*Ri+c)mod(m)
Yi+1=Ri+1/m
在matlab中自己选取a,c,m与其内置函数rand比较：

function A = fakerand( a,c,m,r0 )
A=zeros(100,1);
R=zeros(100,1);
R(1)=mod((a*r0+c),m);
A(1)=R(1)/m;
for i=1:99
    R(i+1)=mod((a*R(i)+c),m);
    A(i+1)=R(i+1)/m;
end

mean(A)

ans =

    0.5345

var(A)

ans =

    0.0768

使用MATLAB内置函数rand:

 mean(A)

ans =

    0.4940

>> var(A)

ans =

    0.0835

>> 

其实两者相差不大

最后

以上就是任性石头为你收集整理的用线性同余法生成伪随机数的全部内容，希望文章能够帮你解决用线性同余法生成伪随机数所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。