Java 为什么使用相似种子时初始随机数相似？

我发现使用Java的random类生成随机数有些奇怪。 基本上，如果使用close seeds创建多个随机对象（例如，在1到1000之间），每个生成器生成的第一个值几乎相同，但下一个值看起来很好（我没有进一步搜索）

以下是第一次生成的两个双精度，种子数从0到9：

• 0.730967787376657 0.24053641567148587
• 1 0.7308781907032909 0.41008081149220166
• 2 0.7311469360199058 0.9014476240300544
• 3 0.731057369148862 0.07099203475193139
• 4 0.7306094602878371 0.918714013855101
• 5 0.730519863614471 0.08825840967622589
• 6 0.7307886238322471 0.5796252073129174
• 7 0.7306990420600421 0.7491696031336331
• 8 0.73025113910172 0.5968915822372118
• 9 0.7301615514268123 0.7664359929590888

从991年到1000年：

• 991 0.7142160704801332 0.9453385235522973
• 992 0.7109015598097105 0.21848118381994108
• 993 0.7108119780375055 0.38802559454181795
• 994 0.7110807233541204 0.8793923921785096
• 995 0.7109911564830766 0.048936787999225295
• 996 0.7105432327208906 0.896658767102804
• 997 0.7104536509486856 0.066201629235198
• 998 0.7107223962653005 0.5575699754613725
• 999 0.7106328294922568 0.72711437112820883
• 1000 0.7101849056320707 0.574836350385667

这是一个显示种子从0到100000生成的第一个值的图

基于种子生成的第一个随机双精度：

我搜索了有关这方面的信息，但没有看到任何与这个精确问题相关的信息。我知道LCGs算法有很多问题，但我不知道这个问题，我想知道这是否是一个已知的问题

另外，您知道这个问题是只针对第一个值（或前几个值），还是更一般，应该避免使用相近的种子

---

谢谢。

通过生成随机种子（例如，在System.currentTimeMillis（）或System.nanoTime（）上使用一些数学函数生成种子），您可以获得更好的随机结果。也可以查看更多信息

我不会把这称为“问题”

另外，您知道这个问题是只针对第一个值（或前几个值），还是更一般，应该避免使用相近的种子

连续数字之间的相关模式是非加密PRNG的常见问题，这只是一种表现形式。相关性（严格自相关）是算法的数学基础中固有的。如果你想了解这一点，你应该先阅读Knuth的《计算机编程艺术》第3章的相关部分

如果您需要不可预测性，您应该为

random

使用（真）随机种子。。。或者让系统为你挑选一个“非常随机”的；e、 g.使用无参数构造函数。或者更好的方法是，使用真实随机数源或加密质量PRNG，而不是

random

---

记录在案：

javadoc（Java7）没有指定Random（）如何对自身进行种子设定

Java 7 for Linux上的

Random（）

的实现是从纳秒时钟开始的，用一个“uniquifier”序列进行异或。“uniquifier”序列是使用不同乘法器的LCG，其状态为静态。这是为了避免种子的自相关

---

这是伪随机种子的一种相当典型的行为——它们不需要提供完全不同的随机序列，它们只提供了一种保证，即如果使用相同的种子，您可以再次获得相同的序列

这种行为的发生是因为PRNG的数学形式——Java one使用了一个线性同余生成器，所以您只看到通过一轮线性同余生成器运行种子的结果。这还不足以完全混合所有的位模式，因此您可以看到类似种子的类似结果

---

您最好的策略可能只是使用非常不同的种子-一种选择是通过散列您当前使用的种子值来获得这些种子。

您最好下载并阅读

随机

源代码，以及一些关于伪随机生成器的论文，但这里是一些相关部分的来源。首先，有三个恒定参数控制算法：

private final static long multiplier = 0x5DEECE66DL;
private final static long addend = 0xBL;
private final static long mask = (1L << 48) - 1;

您提供了一个非常接近于零的种子，因此设置的初始种子值由

乘法器控制，当二者相加时。在所有种子接近零的测试用例中，内部使用的种子大约为2^34；但很容易看出，即使您提供了非常大的种子数量，类似的用户提供的种子也会产生类似的内部种子

最后一部分是
next（int）
方法，该方法实际上根据当前种子生成请求长度的随机整数，然后更新种子：

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));
}

这被称为“线性全等”伪随机生成器，这意味着它通过将当前种子乘以常数乘法器，然后添加常数加数（在这种情况下，然后掩蔽以获取较低的48位）来生成每个连续种子。发生器的质量取决于乘法器和加数的选择，但所有此类发生器的输出都可以根据当前输入轻松预测，并且在重复之前有一个设定的周期（因此建议不要在敏感应用中使用它们）

在给定类似种子的情况下，从
nextDouble
看到类似的初始输出的原因是，因为下一个整数的计算只涉及乘法和加法，所以下一个整数的大小是
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));
}