Algorithm 无限平面上随机单元的定位算法

我正在寻找一种算法，在该算法中，我可以在给定视口（顶部、左侧、宽度和高度）内建立伪随机位置，而不必存储这些位置。假设我有一个从（0,0）到（100100）的视口。然后我会在（67,25）、（36,42）和（1,2）处找到元素。如果我将视口从（-50，-50）更改为（50,50），我仍然会找到（36,42）和（1,2），但我也可能会在（-14,7）和（-32，-20）处找到一个。我不知道怎样才能说得更清楚

处理整数的示例。它也可以修改为浮动

import random

STEP = 10  # size of square with random points
COUNT = 6  # number of random points in the square

def get_points(x1, y1, x2, y2):
    points = []
    sx = (x1 // STEP) * STEP
    sy = (y1 // STEP) * STEP
    for bx in range(sx, x2, STEP):
        for by in range(sy, y2, STEP):
            random.seed(bx + by)
            for i in range(COUNT):
                px = bx + random.randrange(STEP)
                py = by + random.randrange(STEP)
                if x1 <= px < x2 and y1 <= py < y2:
                    points.append((px, py))
    return points

print get_points(0, 0, 10, 10)
print get_points(0, 0, 100, 100)

随机导入
步长=10#带有随机点的正方形大小
计数=6#正方形中随机点的数量
def get_点（x1、y1、x2、y2）：
点数=[]
sx=（x1/步）*步
sy=（y1/步）*步
对于范围内的bx（sx，x2，阶跃）：
对于范围内的by（sy，y2，步进）：
随机种子（bx+by）
对于范围内的i（计数）：
px=bx+random.randrange（步长）
py=by+random.randrange（步长）
如果x1是固定的窗口大小？窗口位置量化了吗？不，可能是任何东西。我不知道你说的量子化是什么意思。考虑到这在物理学中的意义，我不这么认为。我希望能够创建一个系统，在这个系统中，无限多的元素“随机”分布在无限平面上，我只能找到并渲染那些存在于我的特定窗口中的元素。只是一个警告：使用有限位数的计算无法覆盖无限平面。换言之，此任务需要最低有效位，即使您使用窗口走得很远，例如10^1000。我知道这一点。我正在寻找一种方法来计算一个给定的窗口。我曾经考虑过可能使用位置作为随机种子，从中构建一个随机模型，但我还没有将其具体化。有一种方法，我只是希望有人已经想出了一种算法，可以省去我的脑力劳动。也许我可以用一个随机数建立平面区域，该随机数是根据给定区域的位置生成的。然后我会有“无限”的有限区域。不过，我不知道当窗口与区域重叠时该怎么办。我想我必须建立所有重叠区域。我宁愿找一个更线性的，好的。为了得到均匀分布的结果，我认为您需要从具有适当平均值的泊松分布生成用于每个平方的
计数。（虽然二项式在离散情况下更合适。）这很酷，它可以扩展到更高的维度，我也在寻找（不是这个问题的一部分）。“我想这可能行得通。”我证实。对于具有更多尺寸的空间中的点，也可以使用相同的方法。