Java 调整XORShift生成器以返回最大值内的数字

我需要在最大值内生成随机整数。由于性能至关重要，我决定使用XORShift生成器而不是Java的Random类

long seed = System.nanoTime();
seed ^= (seed << 21);
seed ^= (seed >>> 35);
seed ^= (seed << 4);

---

实现此方法最有效的方法是什么？

我对您的代码很感兴趣，并提出了以下建议：

public class XORShiftRandom {

private long last;
private long inc;

public XORShiftRandom() {
    this(System.currentTimeMillis());
}

public XORShiftRandom(long seed) {
    this.last = seed | 1;
    inc = seed;
}

public int nextInt(int max) {
    last ^= (last << 21);
    last ^= (last >>> 35);
    last ^= (last << 4);
    inc += 123456789123456789L;
    int out = (int) ((last+inc) % max);     
    return (out < 0) ? -out : out;
}

}

公共类XORShiftRandom{
私人长袍；
私人朗公司；
公共XORShiftRandom（）{
这个（System.currentTimeMillis（））；
}
公共XORShiftRandom（长种子）{
this.last=种子| 1；
inc=种子；
}
公共整数nextInt（整数最大值）{
最后^=（最后>>35）；
最后^=（最后一次播种）
这里有很多问题。如果你不止一次使用
nanoTime
，你肯定会做错，因为
nanoTime
很慢（数百纳秒）。此外，这样做可能会导致质量下降

让我们假设，你只给你的发电机播种一次

一致性
如果你关心均匀性，那么至少有两个问题：

异或移位
它永远不会生成零（除非你在播种时运气不好，然后你只能得到零）

这很容易通过以下简单的方法解决

private long nextLong() {
    x ^= x << 21;
    x ^= x >>> 35;
    x ^= x << 4;
    y += 123456789123456789L;
    return x + y;
}

nextInt（整数限制）
由于我在a中提到的原因，接受的答案提供了非均匀分布的值。正确操作有点复杂，您可以从
Random#nextInt
复制代码，也可以尝试类似的操作（未经测试）：

public int nextInt（int limit）{
检查参数（限制>0）；
整数掩码=-1>>>整数。前导零的数目（限制）；
while（true）{
int result=（int）nextLong（）&掩码；
if（结果<限制）返回结果；
}
}

上面，
掩码
以二进制形式显示，类似于
0…01…1
，其中最高的一个对应于
限制
中的最高一个。使用它，可以生成范围
0.掩码
内的均匀分布的数字（统一性很容易，因为
掩码+1
是二的幂）。条件拒绝数不低于
限制
。正如
限制>掩码/2
，发生这种情况的概率低于50%，因此预期迭代次数低于2

推荐
这很有趣，但测试起来很难，我建议使用
ThreadLocalRandom
，除非你需要再现性。
你不能将长模化为最大值吗？@SajitKunnumkal这会对一些整数产生（轻微）偏差（当然，如果最大值足够小，可能可以忽略不计）。如果性能至关重要，则应避免使用
nanoTime（）
。如果性能至关重要，则可能应使用简单的LCG。如果max为常量且提前知道，则甚至可以构建一个临时LCG，该LCG将直接生成[0，max]范围内的数字没有偏见。使用XORShift时不应考虑性能；使用它的事实意味着它适用于非关键应用程序，这意味着System.nanoTime（）非常合适。对移位值21、35、4有什么解释吗？也就是说，你有没有用其他值测试速度和/或随机性？这些值来自OP，我没有用它们。也许可以问他一个问题。这里可以快速讨论为什么这些值有用：注意（与
java.util.Random
不同）您的结果不是完全均匀分布的。它们不能是
2**32
（整数的数量）不能被
max
整除，除了二的幂。对于真正大的
max
如
3e9
，比率是1:2，对于小的值，它要好得多。@maaartinus我认为这是一个非常重要的点，不应该被低估。我将要求解释为找到一种性能高效的方法来扩展result在不影响原始算法均匀分布特性的情况下达到所需范围。取模不能满足此要求。很好。感谢您花时间响应坚实方法的基础！
private long nextLong() {
    x ^= x << 21;
    x ^= x >>> 35;
    x ^= x << 4;
    y += 123456789123456789L;
    return x + y;
}

seed = System.nanoTime();
x = seed | 1;
y = seed;

public int nextInt(int limit) {
    checkArgument(limit > 0);
    int mask = -1 >>> Integer.numberOfLeadingZeros(limit);
    while (true) {
        int result = (int) nextLong() & mask;
        if (result < limit) return result;
    }
}