Random 最佳伪随机数发生器
到今天为止，哪一个是最好的伪随机数生成器？最好 我是说那个-Random 最佳伪随机数发生器,random,Random,到今天为止，哪一个是最好的伪随机数生成器？最好 我是说那个- 通过所有统计测试 即使在非常高的维度上也表现良好 有一个非常大的周期 我能想到MT。有比MT更好的PRNG吗？MT的哪种变体最好？MT似乎通过了您的标准： 它的巨大时期是219937年−1次迭代（>43×106000），被证明在（最多）623维（对于32位值）中是等分布的，并且比其他统计上合理的生成器运行得更快 （） Mersenne捻线机是现有测试最广泛的随机数发生器之一。然而，由于它是完全确定的，因此并不适用于所有目的，并且完全不
我能想到MT。有比MT更好的PRNG吗？MT的哪种变体最好？MT似乎通过了您的标准： 它的巨大时期是219937年−1次迭代（>43×106000），被证明在（最多）623维（对于32位值）中是等分布的，并且比其他统计上合理的生成器运行得更快 （） Mersenne捻线机是现有测试最广泛的随机数发生器之一。然而，由于它是完全确定的，因此并不适用于所有目的，并且完全不适用于加密目的 （） 如果您感兴趣的话，还可以谈谈加密安全的prng。试试MT的继任者：SFMT（）。首字母缩略词表示面向SIMD的快速梅森捻线机。 它使用向量指令， 与SSE或AltiVec一样，用于加快随机数生成 此外，它显示的周期比原始MT大：SFMT可以配置为使用高达2216091-1的周期 最后，MT在初始化不好时遇到了一些问题：它倾向于抽签0，导致质量不好的随机数。该问题可能会持续多达700000次绘制，然后通过算法的重复性进行补偿。因此，SFMT也被设计成比其前身更快地离开这种零过剩状态 请查看我在本文开头给出的链接，查找描述该算法的源代码和科学出版物 为了明确地说服您，您可以在这里看到一个比较MT和SFMT生成速度的表格。在任何情况下，SFMT都比MT更快，同时表现出更好的质量 --编辑以下评论-- 更一般地说，在选择PRNG时，需要考虑正在开发的应用程序。事实上，一些PRNG更适合某些应用程序约束。例如，MT和WELL生成器不太适合于加密应用，但它们是处理蒙特卡罗模拟时的最佳选择 在我们的例子中，由于其比SFMT更好的等分布特性，WELL似乎是理想的。尽管如此，WELL的速度也要慢得多，他无法显示像SFMT那样大的周期
作为结论，PRNG不能说对所有应用都是最好的，但对特定领域和特定环境来说是最好的。好吧，这是MT-19937的推广和改进。如果你寻找一种算法，它通过了所有统计测试，但仍然很快，你可以尝试。与Java中的随机库相比，它大约快30%，并且提供了更好的结果。它的周期没有梅森龙卷风的周期长，但仍然很不错 可以在此处找到一个实现： 编辑 似乎XORShift的新变种现在甚至在质量上击败了MerseneTwister（但在时间上没有）。他们通过了更多的实证质量测试，这一点可以从图表中看出 他们的表现也令人印象深刻。 我在这里对不同的Java实现、源代码和结果进行了基准测试：
static unsigned long long rng_a, rng_b, rng_c, rng_counter;
unsigned long long rng64() {
unsigned long long tmp = rng_a + rng_b + rng_counter++;
rng_a = rng_b ^ (rng_b >> 12);
rng_b = rng_c + (rng_c << 3);
rng_c = ((rng_c << 25) | (rng_c >> (64-25))) + tmp;
return tmp;
}
void seed(unsigned long long s) {
rng_a = rng_b = rng_c = s; rng_counter = 1;
for (int i = 0; i < 12; i++) rng64();
}
static unsigned long long rng_a、rng_b、rng_c、rng_计数器；
无符号长rng64（）{
无符号长tmp=rng_a+rng_b+rng_计数器++；
rng_a=rng_b^（rng_b>>12）；
rng_b=rng_c+（rng_c（64-25））+tmp；
返回tmp；
}
无效种子（无符号长s）{
rng_a=rng_b=rng_c=s；rng_计数器=1；
对于（int i=0；i<12；i++）rng64（）；
}