C 滞后斐波那契发生器是如何随机的？

我不明白。如果它有一个固定的长度，反复选择滞后和模将给出相同的数字，否？

这取决于种子。大多数随机数生成器确实为固定种子值提供相同的数字序列。

它的随机性与任何伪随机数生成器的随机性相同，也就是说，根本不是

然而，滞后斐波那契（和所有线性反馈移位寄存器PRNG）通过增加状态大小改进了基本线性同余生成器。也就是说，下一个值取决于前几个值，而不仅仅是前一个值。再加上一颗像样的种子，你应该能够得到相当像样的结果

编辑：

---

从您的帖子中，不清楚您是否理解底层状态存储在移位寄存器中，这意味着它不是静态的，而是在每次绘制后更新的（通过将每个值向左移动一个位置，删除最左边的值，并在右侧追加最新的值）。这样，就避免了反复绘制相同的数字（至少对于大多数种子值而言）。

准确地说，滞后斐波那契是一个伪随机数生成器。它不是随机的，但它比通常使用的（C++的标准生成器、java等）要好得多。我不确定你为什么认为它会再次给出相同的数字，但它确实像所有伪随机数生成器一样，有一个周期，在这个周期之后，数字序列会再次重复

乘法LFG的周期为

（2^k-1）*2^（M-3）

。对于实际参数，这实际上是相当大的（LCG的周期只有

M

）

LFG的唯一缺点是初始化过程非常复杂，其背后的数学模型也不完整。最好查阅文献，以便选择合适的参数和推荐的正确播种程序

举例来说，带有参数

（j=31，k=52）

和模数

m=2^32

的乘法LFG以52个32位数字的数组作为种子

---

其他参考资料：

• 有关该生成器和种子算法的更多详细信息，请参阅Mascagni等人的论文

这不是随机的，而是随机的

由此

如果使用加法或减法，则滞后斐波那契生成器的最大周期为（2^k-1）*2^（M-1）；如果使用异或运算组合先前的值，则其最大周期为（2^k-1）。另一方面，如果使用乘法，则最大周期为（2^k-1）*2^（M-3），或加法情况下周期的1/4

因此，给定某个种子值，输出值的序列是可预测和可重复的，并且它有一个循环。如果你等待的时间足够长，它会重复——但周期相当大

---

对于一个不知道种子值的观察者来说，序列似乎是非常随机的，因此它可以作为“随机性”的来源，用于模拟和其他不需要真正随机性的情况。

随机数生成器通常是一对一的函数，其中每个输入都有一个恒定的输出。要使它“随机”，你必须给它一个种子（必须是“随机的”），比如系统时间或计算机内存位置的值

---

如果你想知道为什么不直接使用种子（时间，等等），那是因为时间是连续的（1,2,3,4），而大多数伪随机数生成器输出的数字看起来是随机的（8,27,13,1）。这样，如果你在循环中生成伪随机数（发生得非常快），你得到的不仅仅是{1,2,3,4}…

与

number[i+1]==number[i]

中相同的数？或者你的意思是什么？所有的伪随机数生成器对于一个固定的种子值给出相同的数字序列。。。否则它们将是真正随机的，而不是伪随机的。@Tyler我投票支持这个评论，但你让它听起来好像没有周期性就足以成为随机的，事实并非如此（π的小数不是随机的）。我曾经被展示过一个很好的随机性定义，它是关于无限字符串前缀的Kolmogorov复杂性的渐近演化，但是我在网上找不到一个参考。只是澄清一下，我们谈论的种子值就像（31,52），（24,55），（31,55），（7,57），（50,57）…等等？因此，为了使它看起来是随机的，我们需要一个新的（p，q）对？您列出的那些对不是种子。它们是

（j，k）

参数。@chester.boo：这些是j&k的值，控制周期的顺序和长度。它们实际上不是您通常所说的“种子”值，尽管更改它们会更改输出。您也可以通过在给定序列中选择不同的位置来更改输出。请注意，Freeciv文章使用了一个带有{j=24，k=55}的滞后斐波那契生成器作为其随机数生成器。对于这个实现，j和k是固定的，种子只是一个起点。我可以看出我误解了种子是什么。LFG的种子值是多少？如何选择？初始化很复杂？我想这就像选择Kudth推荐的（p，q）对一样简单。可能有一个足够大的表，包含这样的对。选择（p，q）只是修复“引擎”。你“运行”它与种子的q数，这必须是明智的选择。这些数字中至少有一个必须是奇数。事实上，如果我没记错的话，我想如果你用的是乘法LFG，它们都是奇数。还有很多可能的种子可供选择，所以你的选择并不局限于此，你只需要小心选择。传统上，种子由另一个生成器生成，如LCG。