Question

我发现了使用Java的Random类生成随机数的奇怪之处。基本上，如果使用近似种子（例如1到1000之间）创建多个Random对象，则每个生成器生成的第一个值几乎相同，但下一个值看起来很好（我没有进一步搜索）。

这是两个第一个生成的双子种子，从0到9：

0 0.730967787376657 0.24053641567148587
1 0.7308781907032909 0.41008081149220166
2 0.7311469360199058 0.9014476240300544
3 0.731057369148862 0.07099203475193139
4 0.7306094602878371 0.9187140138555101
5 0.730519863614471 0.08825840967622589
6 0.7307886238322471 0.5796252073129174
7 0.7306990420600421 0.7491696031336331
8 0.7302511331990172 0.5968915822372118
9 0.7301615514268123 0.7664359929590888

从991到1000：

991 0.7142160704801332 0.9453385235522973
992 0.7109015598097105 0.21848118381994108
993 0.7108119780375055 0.38802559454181795
994 0.7110807233541204 0.8793923921785096
995 0.7109911564830766 0.048936787999225295
996 0.7105432327208906 0.896658767102804
997 0.7104536509486856 0.0662031629235198
998 0.7107223962653005 0.5575699754613725
999 0.7106328293942568 0.7271143712820883
1000 0.7101849056320707 0.574836350385667

这是一个显示种子从0到100,000生成的第一个值的图。

基于种子生成的第一个随机双精度：

我搜索了有关这方面的信息，但我没有看到任何涉及这个确切问题的内容。我知道LCG算法有很多问题，但我不知道这个问题，我想知道这是否是一个已知的问题。

而且，你知道这个问题是仅针对第一个值（或前几个值），还是更常见且使用密切种子应该避免？

感谢。

Answer 1

通过下载和阅读Random来源，以及有关伪随机生成器的一些文章，您将得到最好的服务，但这里是源代码的一些相关部分。首先，有三个控制算法的常量参数：

private final static long multiplier = 0x5DEECE66DL;
private final static long addend = 0xBL;
private final static long mask = (1L << 48) - 1;

乘数大约为2 ^ 34并且更改，掩码为2 ^ 48 - 1，并且此分析的加数非常接近0。

使用种子创建Random时，构造函数会调用setSeed：

synchronized public void setSeed(long seed) {
    seed = (seed ^ multiplier) & mask;
    this.seed.set(seed);
    haveNextNextGaussian = false;
}

你提供的种子非常接近于零，因此当两者被“或”在一起时，设置的初始种子值由multiplier支配。在种子接近零的所有测试案例中，内部使用的种子大约为2 ^ 34;但很容易看出，即使您提供了非常大的种子数，类似的用户提供的种子也会产生类似的内部种子。

最后一块是next(int)方法，它实际上根据当前种子生成所请求长度的随机整数，然后更新种子：

protected int next(int bits) {
    long oldseed, nextseed;
    AtomicLong seed = this.seed;
    do {
    oldseed = seed.get();
    nextseed = (oldseed * multiplier + addend) & mask;
    } while (!seed.compareAndSet(oldseed, nextseed));
    return (int)(nextseed >>> (48 - bits));
}

这被称为“线性同余”伪随机生成器，意味着它通过将当前种子乘以常数乘数然后添加常数加数（然后屏蔽以取低48位，生成每个连续种子）这个案例）。发电机的质量由乘数和加数的选择决定，但所有这些发电机的输出可以根据当前输入轻松预测，并在重复之前有一段设定的时间（因此建议不要在敏感时使用它们）应用）。

你看到nextDouble类似种子的类似初始输出的原因是，因为下一个整数的计算只涉及乘法和加法，所以下一个整数的大小不会受差异的影响太大在低位。计算下一个double意味着根据种子计算一个大整数并将其除以另一个（常数）大整数，结果的大小主要受整数幅度的影响。

重复计算下一个种子将放大种子低位的差异，因为常数乘法器重复乘法，并且因为48位掩码每次抛出最高位，直到最终你看到了什么看起来像是一种均匀的传播。

Answer 2

我不会称之为“问题”。

而且，你知道这个问题是仅针对第一个值（或前几个值），还是更常见且使用密切种子应该避免？

连续数字之间的相关模式是非加密PRNG的常见问题，这只是一种表现形式。相关性（严格自相关）是算法背后的数学中固有的。如果你想了解这一点，你应该首先阅读Knuth的计算机编程艺术第3章的相关部分。

如果你需要不可预测性，你应该为Random使用（真）随机种子......或者让系统为你挑选一个“非常随机”的种子;例如使用no-args构造函数。或者更好的是，使用真正的随机数源或加密质量的PRNG而不是Random。

记录：

javadoc（Java 7）没有指定Random（）如何种子本身。
Java 7 for Linux上Random()的实现是从纳秒时钟播种的，XORed带有'uniquifier'序列。 'uniquifier'序列是LCG，它使用不同的乘数，其状态是静态的。这是为了避免种子的自相关......

Answer 3

这是伪随机种子的一种相当典型的行为 - 它们不需要提供完全不同的随机序列，它们只能保证如果使用相同的种子，可以再次获得相同的序列。

行为发生的原因是PRNG的数学形式--Java使用线性同余生成器，因此您只是看到通过一轮线性同余生成器运行种子的结果。这还不足以完全混淆所有位模式，因此您会看到类似种子的类似结果。

您最好的策略可能只是使用非常不同的种子 - 一种选择是通过散列您当前使用的种子值来获取这些种子。

Answer 4

通过制作随机种子（例如，使用System.currentTimeMillis（）或System.nanoTime（）上的一些数学函数进行种子生成），您可以获得更好的随机结果。另请查看here以获取更多信息

使用类似种子时，为什么初始随机数相似？

4 个答案: