由于计算机无法选择随机数（可以吗？）这个随机数是如何实际生成的。例如，在C＃中我们说，
Random.Next()
里面发生了什么？
答案 0 :(得分：14)
您可以结帐this article。根据{{3}}，.NET中使用的具体实现基于Donald E. Knuth的减法随机数生成器算法。有关详细信息，请参阅documentation。
答案 1 :(得分：6)
由于计算机无法选择随机数（可以吗？）
正如其他人所说，“随机”实际上是伪随机的。回答你的括号问题：是的，计算机可以选择真正随机的数字。这样做比伪随机数发生器的简单整数算法昂贵得多，并且通常不需要。但是，有些应用程序你必须具有不可预测的真正随机性：加密和在线扑克会立即浮现在脑海中。如果要么使用可预测的伪随机源，那么攻击者就可以更容易地解密/伪造消息，并且骗子可以找出谁拥有他们手中的内容。
.NET加密类有methods that give random numbers suitable for cryptography或游戏，其中有钱。至于它们如何工作：关于加密随机性的文献是广泛的;有关详细信息，请参阅任何优秀的大学本科密码学教科书。
也存在专用硬件来获取随机位。如果您需要从大气噪声中提取的随机数，请访问www.random.org。
答案 2 :(得分：4)
Knuth很好地涵盖了随机性主题。
我们并不是很了解随机。可预测的事物如何随机？然而，通过统计检验，伪随机序列似乎是完全随机的。
有三类随机生成器，放大了上面的评论。
首先，你有伪随机数生成器，如果你知道当前的随机数，那么很容易计算下一个随机数。如果您发现一些数字，这可以很容易地对其他数字进行逆向工程。
然后，有一些加密算法使这更加困难。我相信它们仍然是伪随机序列（与上面的评论所暗示的相反），但是具有非常重要的特性，即知道序列中的一些数字并不能明确如何计算其余数字。它的工作方式是加密例程倾向于对数字进行散列，因此如果一个位发生变化，则每个位都可能因此而发生变化。
考虑一个简单的模数生成器（类似于C rand（）中的一些实现）
int rand（）{ return seed = seed * m + a; }
如果m = 0且a = 0，这是一个糟糕的发生器，周期为1：0,0,0,0 ...... 如果m = 1且a = 1，它看起来也不是很随机：0,1,2,3,4,5,6 ......
但是如果你选择m和a作为2 ^ 16左右的素数，如果你随便检查，这将很好地看起来非常随机。但由于两个数字都是奇数，你会看到低位会切换，即数字交替为奇数和偶数。不是一个伟大的随机数发生器。并且由于32位数中只有2 ^ 32个值，根据定义，在最多2 ^ 32次迭代后，您将再次重复该序列，这使得生成器显然不是随机的。
如果你认为中间位是好的和加扰的，而较低的那些不是随机的，那么你可以用其中的一些构造一个更好的随机数发生器，将各个位异或一起使得所有比特被很好地覆盖了。类似的东西：
（rand1（）＆gt;＆gt; 8）^ rand2（）^（rand3（）＆gt; 5）......
尽管如此，每个数字都在同步翻转，这使得这个可以预测。如果你得到两个连续值，它们是相关的，所以如果你绘制它们，你将在屏幕上得到线条。现在假设您有组合生成器的规则，因此顺序值不是下一个。 例如
v1 = rand1（）＆gt;＆gt; 8 ^ rand2（）...... v2 = rand2（）＆gt;＆gt; 8 ^ rand5（）..
并想象种子并不总是前进。现在你开始制作一些基于逆向工程更难预测的东西，而且序列更长。
例如，如果你每次都计算rand1（），但每次第3次只在rand2（）中推进种子，那么组合它们的生成器可能不会重复任何一段时间。
现在假设您通过DES或其他加密算法抽取（相当可预测的）模数型随机数生成器。这会破坏比特。
显然，有更好的算法，但这会给你一个想法。 Numerical Recipes在代码中实现了许多算法并进行了解释。一个非常好的技巧：在表中生成一个而不是一个随机值块。然后使用一个独立的随机数生成器来选择一个生成的数字，生成一个新数字并替换它。这打破了相邻数字对之间的任何相关性。
第三类是基于硬件的实际随机数发生器，例如基于大气噪声
http://www.random.org/randomness/
根据目前的科学，这是真正随机的。也许有一天我们会发现它遵循一些基本规则，但目前，我们无法预测这些价值，就我们而言，它们是“真正”随机的。
如果你想看一些源代码，那么boost库有很好的Fibonacci生成器的C ++实现，伪随机序列的统治者。
答案 3 :(得分：4)
我只想在问题的第一部分（“可以吗？”部分）中添加答案.h
计算机可以生成（好吧，生成可能不是一个完全准确的单词）随机数（如，非伪随机）。具体地，通过使用通过专用硬件设备（例如，基于噪声产生随机性）或通过使用环境输入（例如，硬盘定时，用户输入事件定时）获得的环境随机性。
然而，这与第二个问题没有关系（Random.Next()的工作原理）。
答案 4 :(得分：2)
Random班级是pseudo-random number generator。
它基本上是一个非常长但确定的重复序列。 “随机性”来自不同的位置。指定从哪里开始是通过为随机数生成器选择seed来完成的，例如可以通过使用系统时间或从另一个随机源获取随机种子来完成。 default Random constructor使用系统时间作为种子。
用于生成数字序列的实际算法记录在MSDN：
中Random类的当前实现基于Donald E. Knuth的减法随机数生成器算法。有关更多信息，请参阅D. E. Knuth。 “计算机编程的艺术，第2卷：半数值算法”。 Addison-Wesley，Reading，MA，第二版，1981年。
答案 5 :(得分：1)
计算机使用pseudorandom number generators。从本质上讲，它们通过种子编号开始工作，并在每次需要新的伪随机数时通过算法迭代它。
这个过程当然是完全确定的，所以给定的种子每次使用时都会生成完全相同的数字序列，但生成的数字形成统计上均匀的分布（大约），这很好，因为在大多数情况下所有你需要的场景是随机随机性。
通常的做法是使用当前系统时间作为种子，但如果需要更高的安全性，可以从物理来源（例如磁盘延迟）收集“熵”，以便生成更难预测的种子。在这种情况下，您还需要使用cryptographically strong random number generator，例如this。
答案 6 :(得分：0)
我不知道太多细节，但我所知道的是，使用种子来生成随机数，然后基于使用该种子获得新数字的某种算法。
如果你得到基于相同种子的随机数，它们会经常相同。