Python中不使用模块和时钟的（伪）随机数生成

我正在使用Python进行一个竞赛，我正在创建一个机器人来玩游戏。问题是，它没有安装任何c支持，因此我无法访问

random

、

numpy

和

scipy

模块

我将有大约400mb的内存可用，我正在寻找一种方法来产生0到1之间的统一随机数，以便在游戏期间进行模拟

请注意，我以前使用过时钟时间来生成单个数字，但问题是我需要大量的数字，而时钟变化不大，这将导致始终保持相同的数字。事实上，我被限制在最大1秒，比如说，100k个数字

我正在考虑加载数据，但问题是机器人总是使用相同的数字。同样，我需要使用这些数字的情况略有不同

使用Python 2.7，希望大家有一些建议。

您可以使用一个实现。我发现，这是模仿维基百科上的伪代码

#!/usr/bin/env python2
# -*- coding: utf-8 -*-
"""
Based on the pseudocode in https://en.wikipedia.org/wiki/Mersenne_Twister. Generates uniformly distributed 32-bit integers in the range [0, 232 − 1] with the MT19937 algorithm

Yaşar Arabacı <yasar11732 et gmail nokta com>
"""
# Create a length 624 list to store the state of the generator
MT = [0 for i in xrange(624)]
index = 0

# To get last 32 bits
bitmask_1 = (2 ** 32) - 1

# To get 32. bit
bitmask_2 = 2 ** 31

# To get last 31 bits
bitmask_3 = (2 ** 31) - 1

def initialize_generator(seed):
    "Initialize the generator from a seed"
    global MT
    global bitmask_1
    MT[0] = seed
    for i in xrange(1,624):
        MT[i] = ((1812433253 * MT[i-1]) ^ ((MT[i-1] >> 30) + i)) & bitmask_1


def extract_number():
    """
    Extract a tempered pseudorandom number based on the index-th value,
    calling generate_numbers() every 624 numbers
    """
    global index
    global MT
    if index == 0:
        generate_numbers()
    y = MT[index]
    y ^= y >> 11
    y ^= (y << 7) & 2636928640
    y ^= (y << 15) & 4022730752
    y ^= y >> 18

    index = (index + 1) % 624
    return y

def generate_numbers():
    "Generate an array of 624 untempered numbers"
    global MT
    for i in xrange(624):
        y = (MT[i] & bitmask_2) + (MT[(i + 1 ) % 624] & bitmask_3)
        MT[i] = MT[(i + 397) % 624] ^ (y >> 1)
        if y % 2 != 0:
            MT[i] ^= 2567483615

if __name__ == "__main__":
    from datetime import datetime
    now = datetime.now()
    initialize_generator(now.microsecond)
    for i in xrange(100):
        "Print 100 random numbers as an example"
        print extract_number()

#/usr/bin/env蟒蛇2
#-*-编码：utf-8-*-
"""
基于中的伪码https://en.wikipedia.org/wiki/Mersenne_Twister. 生成[0,232]范围内均匀分布的32位整数− 1] 使用MT19937算法
亚尔·阿拉巴克
"""
#创建长度为624的列表以存储生成器的状态
MT=[0表示X范围内的i（624）]
索引=0
#获取最后32位
位掩码_1=（2**32）-1
#得到32分。一点
位掩码_2=2**31
#获取最后31位
位掩码_3=（2**31）-1
def初始化_生成器（种子）：
“从种子初始化生成器”
全球机器翻译
全局位掩码_1
MT[0]=种子
对于X范围内的i（1624）：
MT[i]=（1812433253*MT[i-1]）^（（MT[i-1]>>30）+i））&位掩码
def提取_编号（）：
"""
基于索引th值提取一个调和伪随机数，
每624个数字调用generate_numbers（）
"""
全球指数
全球机器翻译
如果索引==0：
生成_编号（）
y=MT[索引]
y^=y>>11
y^=（y 18
索引=（索引+1）%624
返回y
def生成_编号（）：
“生成一个624个无阻尼数字的数组”
全球机器翻译
对于X范围内的i（624）：
y=（MT[i]&位掩码_2）+（MT[（i+1）%624]&位掩码_3）
MT[i]=MT[（i+397）%624]^（y>>1）
如果y%2！=0：
MT[i]^=2567483615
如果名称=“\uuuuu main\uuuuuuuu”：
从日期时间导入日期时间
now=datetime.now（）
初始化_生成器（现在为微秒）
对于X范围内的i（100）：
“打印100个随机数作为示例”
打印摘录编号（）

数学是你最好的答案：

X（n+1）=（aX（n）+c）模m

---

如果脚本在linux上运行，请尝试使用

/dev/uradom

：

with open('/dev/urandom', 'rb') as f:
    random_int = reduce(lambda acc, x: (acc << 8) | x, map(ord, f.read(4)), 0)

以open（'/dev/uradom'，rb'）作为f的

：
random_int=reduce（lambda acc，x:（accFWIW），随机模块包含用纯python编写的Wichman Hill生成器类（不需要C）：

以下是经过清理的源代码：

class WichmannHill(Random):

    def seed(self, a=None):
        a, x = divmod(a, 30268)
        a, y = divmod(a, 30306)
        a, z = divmod(a, 30322)
        self._seed = int(x)+1, int(y)+1, int(z)+1

    def random(self):
        """Get the next random number in the range [0.0, 1.0)."""
        x, y, z = self._seed
        x = (171 * x) % 30269
        y = (172 * y) % 30307
        z = (170 * z) % 30323
        self._seed = x, y, z
        return (x/30269.0 + y/30307.0 + z/30323.0) % 1.0

真的吗？核心标准库模块
random
不可用？@kroolik我想是的。看看。算法非常简单，如果不是用于加密或高赌注赌博，结果也不错。
uuid
模块呢？@kroolik-
uuid.uuid4（）
使用
os.uradom（）
如果可用，则使用
随机
模块。虽然这只生成整数，但不从[0..1]浮起。实际上可以生成整数。@delnan-通过将结果数字除以最大值（2^32-1）来轻松修复。如果我理解正确，我不需要更改624值，只需重复调用extract number？不，您不需要。该算法一次只生成624个值；您可以使用需要的数量。624只是它生成新数字的点（通过
生成\u numbers（）
）.但在选择参数（a、c、m）时要格外小心。即使是仔细的选择也会导致质量低下，而不经深思熟虑的选择也会产生周期非常短的生成器。Wikipedia的文章列出了好的CANIDATE的条件；它还列出了现实世界中实现所使用的值。其中一些很差，但没有一个是灾难性的。@delnan由于资源有限，它是不过，这是最简单的。性能和内存使用与这些问题无关。对于任何状态大小，都有一些参数可以给出一个合适的PRNG，而这些参数只能一次又一次地吐出相同的半个5数字。您希望避免后者，因为它们只会给出质量糟糕的数字，而成本却与您的d选择了更好的参数。@delnan关于这些参数有什么建议吗？你需要知道什么？@PascalvKooten正如我所说，Wikipedia有详细信息（在“周期长度”部分）。这比MT实现快得多。我会看看它是否有效！不幸的是：
OSError:[Errno 2]没有这样的文件或目录：'/dev/urandom'
。因此，我在尝试使用
random
库时遇到的错误是：
OSError:[Errno 2]没有这样的文件或目录：'/dev/urandom'
。这很可能不起作用。
>>> import random
>>> rng = random.WichmannHill(8675309)
>>> rng.random()
0.06246664612856567
>>> rng.random()
0.3049888099198217

class WichmannHill(Random):

    def seed(self, a=None):
        a, x = divmod(a, 30268)
        a, y = divmod(a, 30306)
        a, z = divmod(a, 30322)
        self._seed = int(x)+1, int(y)+1, int(z)+1

    def random(self):
        """Get the next random number in the range [0.0, 1.0)."""
        x, y, z = self._seed
        x = (171 * x) % 30269
        y = (172 * y) % 30307
        z = (170 * z) % 30323
        self._seed = x, y, z
        return (x/30269.0 + y/30307.0 + z/30323.0) % 1.0