Random 为什么柏林噪声算法对随机数使用查找表

我一直在为我想要建立的一个库研究噪声算法，并从柏林噪声开始（更准确地说是单纯形噪声，我想处理任意维，或者至少6维）。阅读，有帮助，但在最后查看实现时，我看到了一个名为

perm

的大查找表

在代码示例中，它似乎用于将索引生成为一组渐变，但该方法似乎很奇怪。我假设这张表格只是为了提供1）决定论，2）提速

---

我的问题是，

perm

查找表是否有任何辅助意义或用途，或者是出于上述原因？或者，除了性能之外，没有使用伪随机数生成器有什么特殊原因吗？

这是一个字节数组。范围是0到255。 如果你愿意，你可以随机化。你可能会想要随机种子。。。等等。

perm表（和grad表）用于优化。它们只是预计算值的查找表。你在第1）点和第2）点上都是正确的

---

除了性能和可移植性之外，您没有理由不使用PRN。

明白了吗？我也想知道——用一个随机生成的列表（比如1到300或1到600）来替换perm是不可行的。@阿奎那不幸的是，不行。我仍然坚持我的“提速”理论。这是很久以前的事了，但是我认为数字必须在一定的范围内，然而……我认为你是对的，排列和梯度数组只是为了确保我们在每个点上得到随机的ish梯度，并且我们在以后访问同一点时总是得到相同的梯度。重要的是决定论，随机性，梯度有单位长度，平均分布在0,0附近；