发布于 2016-01-11 03:15:20 | 295 次阅读 | 评论: 0 | 来源: PHPERZ
Java程序设计语言
java 是一种可以撰写跨平台应用软件的面向对象的程序设计语言，是由Sun Microsystems公司于1995年5月推出的Java程序设计语言和Java平台（即JavaEE(j2ee), JavaME(j2me), JavaSE(j2se)）的总称。
在Java中调用这个Math.Random()函数能够返回带正号的double值，取值范围是[0.0,1.0)的左闭右开区间，返回值是一个伪随机选择的数，在该范围内（近似）均匀分布。
Java的API中是这样描述Random()函数的:
伪随机，也就是有规则的随机，所谓有规则的就是在给定种(seed)的区间内随机生成数字。
相同种子数的Random对象，相同次数生成的随机数字是完全相同的。
Random类中各方法生成的随机数字都是均匀分布的，也就是说区间内部的数字生成的几率均等。
下面是Java.util.Random()方法摘要
protected int next(int bits)：生成下一个伪随机数。
boolean nextBoolean()：返回下一个伪随机数，它是取自此随机数生成器序列的均匀分布的boolean值。
void nextBytes(byte[] bytes)：生成随机字节并将其置于用户提供的 byte 数组中。
double nextDouble()：返回下一个伪随机数，它是取自此随机数生成器序列的、在0.0和1.0之间均匀分布的 double值。
float nextFloat()：返回下一个伪随机数，它是取自此随机数生成器序列的、在0.0和1.0之间均匀分布float值。
double nextGaussian()：返回下一个伪随机数，它是取自此随机数生成器序列的、呈高斯（“正态”）分布的double值，其平均值是0.0标准差是1.0。
int nextInt()：返回下一个伪随机数，它是此随机数生成器的序列中均匀分布的 int 值。
int nextInt(int n)：返回一个伪随机数，它是取自此随机数生成器序列的、在（包括和指定值（不包括）之间均匀分布的int值。
long nextLong()：返回下一个伪随机数，它是取自此随机数生成器序列的均匀分布的 long 值。
void setSeed(long seed)：使用单个 long 种子设置此随机数生成器的种子。
方法摘要也就这些，下面给几个例子：
1.生成[0,1.0)区间的小数：double d1 = r.nextDouble();
2.生成[0,5.0)区间的小数：double d2 = r.nextDouble() * 5;
3.生成[1,2.5)区间的小数：double d3 = r.nextDouble() * 1.5 + 1;
4.生成-231到231-1之间的整数：int n = r.nextInt();
5.生成[0,10)区间的整数：
int n2 = r.nextInt(10);//方法一
n2 = Math.abs(r.nextInt() % 10);//方法二
Java中的Random类生成的是伪随机数，使用的是48-bit的种子，然后调用一个linear congruential formula线性同余方程
那么什么是线性同余方程呢？
古老的LCG(linear congruential generator)代表了最好最朴素的伪随机数产生器算法。主要原因是容易理解，容易实现，而且速度快。
LCG 算法数学上基于公式：
X(n+1) = (a * X(n) + c) % m
其中，各系数为：
模m, m > 0
系数a, 0 < a < m
增量c, 0 <= c < m
原始值(种子) 0 <= X(0) < m
其中参数c, m, a比较敏感，或者说直接影响了伪随机数产生的质量。
一般而言，高LCG的m是2的指数次幂(一般2^32或者2^64,Java中是2^48)，因为这样取模操作截断最右的32或64位就可以了。多数编译器的库中使用了该理论实现其伪随机数发生器random()。
刚刚说了，Java调用了一个线性同余方程来实现伪随机数的产生，具体的计算如下：
Xi = (Xi-1 * A + C ) mod M
其中A,C,M都是常数（一般会取质数）。当C=0时，叫做乘同余法。引出一个概念叫seed，它会被作为X0被代入上式中，然后每次调用random()函数都会用上一次产生的随机值来生成新的随机值。可以看出实际上用random()函数生成的是一个递推的序列，一切值都来源于最初的 seed。所以当初始的seed取一样的时候，得到的序列都相同。
下面Random()的两种构造方法
Random()：创建一个新的随机数生成器。
Random(long seed)：使用单个 long 种子创建一个新的随机数生成器。
我们在构造Random对象的时候指定种子，如果是第一种构造方法，则默认当前系统时间对应的相对时间有关的数字作为种子数
需要说明的是：你在创建一个Random对象的时候可以给定任意一个合法的种子数，种子数只是随机算法的起源数字，和生成的随机数的区间没有任何关系。
public Random() {
this(seedUniquifier() ^ System.nanoTime());
}
private static long seedUniquifier() {
// L'Ecuyer, "Tables of Linear Congruential Generators of
// Different Sizes and Good Lattice Structure", 1999
for (;;) {
long current = seedUniquifier.get();
long next = current * 181783497276652981L;
if (seedUniquifier.compareAndSet(current, next))
return next;
}
}
这里使用了System.nanoTime()方法来得到一个纳秒级的时间量，参与48位种子(为什么要48位)的构成，然后还进行了一个很变态的运算——不断乘以181783497276652981L，直到某一次相乘前后结果相同(似乎不是相同，但是其doc文档是这样说明的，如果有清楚的朋友可以下面留言说明)——来进一步增大随机性，这里的nanotime可以算是一个真随机数，不过有必要提的是，nanoTime和我们常用的currenttime方法不同，返回的不是从1970年1月1日到现在的时间，而是一个随机的数——只用来前后比较计算一个时间段，比如一行代码的运行时间，数据库导入的时间等，而不能用来计算今天是哪一天。
到目前为止，这个程序已经至少进行了三次随机：
1、获得一个长整形数作为“初始种子”（系统默认的是8682522807148012L(8682522807148012L与181783497276652981L的意义)）
2、不断与181783497276652981L相乘，直到某一次相乘前后数值相等
3、与系统随机出来的nanotime值作异或运算，得到最终的种子
protected int next(int bits) {
long oldseed, nextseed;
AtomicLong seed = this.seed;
do {
oldseed = seed.get();
nextseed = (oldseed * multiplier + addend) & mask;
} while (!seed.compareAndSet(oldseed, nextseed));
return (int)(nextseed >>> (48 - bits));
}
next()函数是random()的核心函数，也是对线性同余的实现。
(oldseed * multiplier + addend) & mask;
是不是形如 (Xi-1 * A + C ) mod M？只是mod变成了&，为什么呢？
private static final long multiplier = 0x5DEECE66DL;
private static final long addend = 0xBL;
private static final long mask = (1L << 48) - 1;
其中multiplier和addend分别代表公式中的a和c，很好理解，但mask代表什么呢？其实，x & [(1L << 48)–1]与 x（mod 2^48）等价。解释如下：
而我们将x对2^N取余操作希望达到的目的可以理解为：
1、所有比2^N位（包括2^N那一位）高的位全都为0
2、所有比2^N低的位保持原样
所以x & [(1L << 48)–1]与 x（mod 2^48）等价。
接着让我们看看nextInt()的实现。
public int nextInt() {
return next(32);
}
默认调用next，生成32位的随机数。
public int nextInt(int n) {
if (n <= 0)
throw new IllegalArgumentException("n must be positive");
if ((n & -n) == n) // i.e., n is a power of 2
return (int)((n * (long)next(31)) >> 31);
int bits, val;
do {
bits = next(31);
val = bits % n;
} while (bits - val + (n-1) < 0);
return val;
}
显然，这里基本的思路还是一样的，先调用next函数生成一个31位的随机数（int类型的范围），再对参数n进行判断，如果n恰好为2的方幂，那么直接移位就可以得到想要的结果；如果不是2的方幂，那么就关于n取余，最终使结果在[0,n)范围内。另外，do-while语句的目的应该是防止结果为负数。
那么为什么(n & -n) == n可以判断一个数是不是2的次方幂？
众所周知，计算机中负数使用补码储存的：
2 ：0000 0010 -2 ：1111 1110
8 ：0000 1000 -8 ：1111 1000
18 ：0001 0010 -18 ：1110 1110
20 ：0001 0100 -20 ：1110 1100
补码有一个特性，就是可以对于两个相反数n与-n，有且只有最低一个为1的位数字相同且都为1，而更低的位全为0，更高的位各不相同。因此两数作按位与操作后只有一位为1，而能满足这个结果仍为n的只能是原本就只有一位是1的数，也就是恰好是2的次方幂的数了。
1. http://blog.sina.com.cn/s/blog_93dc666c0101h3gd.html
2. http://www.cnblogs.com/xkfz007/archive/2012/03/27/2420154.html
3. http://t1174779123.iteye.com/blog/2037719
4. http://www.importnew.com/12460.html