Language agnostic 在给定范围内生成均匀随机偏差

我想在给定范围内生成均匀分布的随机整数。我使用的解释语言有一个内置的快速随机数生成器，它返回一个介于0（含0）到1（含1）之间的浮点数。不幸的是，这意味着我不能使用（当RNG返回0（包括）到1（排除）之间的数字）来生成给定范围内的均匀分布随机整数：

result=Int((highest - lowest + 1) * RNG() + lowest)

目前我能看到的唯一合理的方法是在罕见的情况下，随机数生成器返回1，只是请求一个新的数字

但如果有人知道更好的方法，我会很高兴听到的

抢劫

注意：将现有的随机数生成器转换成这种语言会导致速度非常慢，所以我担心这不是一个可行的解决方案

---

编辑：链接到实际SO答案。

我不明白为什么需要

+1

。如果随机数生成器在[0,1]间隔内提供值的均匀分布，则

result = lowest + (rng() * (highest - lowest))

应该给你一个不规则分布的值之间的最低

rng（）==0，结果=最低+0=最低

最高的

rng（）==1，结果=最低+最高-最低=最高

包括+1意味着生成的数字的上限可以高于最高值

rng（）==1，结果=最低+最高-最低+1=最高+1

结果值的分布将与随机数的分布相同，因此均匀性取决于随机数生成器的质量

---

根据下面的评论，您正确地指出Int（）将是尾部不平衡分布的来源。最好将Round（）用于最接近的整数或脚本语言中的任何等效值。

可能您对速度非常感兴趣，否则每次RNG调用都会占用条件测试。不管怎样，任何其他的选择都可能比分支慢

…除非你确切知道RNG的内部结构。特别是，它的返回值是什么？如果它们不是IEEE-754浮点数或双倍点数，我很同情你。如果是的话，其中有多少真正的随机性呢？浮点数为24，双倍点数为53（尾数位数）。如果这些都是原始生成的，您可以使用移位和掩码从中拼凑出一个普通的旧随机整数生成器，然后在函数中使用它（根据范围的大小，如果您有这样的生成器，您可以使用更多移位和掩码来避免任何分支）。如果您有一个高质量的生成器，可以生成全质量的24位或53位随机数，那么通过一次乘法，您可以将它们从[0,1]转换为[0,1][0,1]：只需乘以小于1的最大可生成浮点数，您的范围问题就消失了。如果尾数没有完全填充随机位，此技巧仍然有效，但您需要做更多的工作才能找到正确的乘数

---

您可能想看看他们对类似问题的处理。

您还没有解释上述解决方案不起作用的原因。如果随机数生成器是随机数的一个很好的近似值，那么其结果的分布应该是均匀的，计算结果也应该是均匀的。因为RNG的范围是0（包括）对于1（包括1），我们可能最终得到结果=最高+1（即超出所需范围），这是不正确的，例如最低=0和最高=9。当RNG=1时，您只会输出9，但当RNG的输出介于0和0.1之间时，会输出0，但将+1设置为1也不正确，因为当它为1时（这应该以均匀随机概率发生，与0和0.1之间的所有值相同）那么答案不是9，而是10。在我看来，您需要的不是整数值，而是将其四舍五入到最接近的整数。只有当RNG返回从O（包括）到1（排除）的数字时，标准解决方案才是正确的。我将编辑这个问题以使其更清楚。当rng（）==1时，您假设的是倾斜尾巴的问题需要a+1和frig。问题不是来自这一点，而是来自整数（），整数向下舍入。如果您舍入到最接近的数字，那么我上面发布的解决方案正好有效。“标准”另一篇文章中的解决方案是错误的。如果您的RNG传递的数字在[0,1]范围内，则标准解决方案是正确的。如果您不相信我，请尝试一下。但是，当RNG传递的数字在[0,1]范围内时，标准解决方案是错误的.目前，我正在为每个调用实现条件。我只是想知道是否有更好的方法。我曾考虑过用不是1的最大可能浮点乘以，但我认为这可能会将不是0的最小可能浮点移动到0，并创建一个非均匀分布。是的，这些技巧可能会影响随机性但是，你无论如何都要把结果转换成一个整数，所以最终的分布不太可能改变。如果你真的需要在2^-53级别上达到完美，你可能无论如何都需要一种不同的语言。