Question

我正在实施一个SkipList。在算法的某一点上，我们要扔一枚硬币，并且只要它不断出现就一遍又一遍地做一些事情，并在我们看到尾巴时立即停止。我通过使用：

让奇数代表“头”

while (R.nextInt() % 2 == 1)

但是这只产生了大约25％的时间（在50,000次呼叫中）。将其更改为

while (R.nextBoolean())

正如预期的那样，

产生头部的一半时间。 R被实例化为随机，用System.currentTimeMillis（）播种。看来，Random生成的比特流毕竟不是那么均匀分布的。有没有人见过这种行为？

我也尝试过：

while (Math.random() >= 0.5)

并获得了我期待的50/50（给予或接受）行为。

它似乎也适用于：

while (R.nextInt(2) == 1)

在一半的时间内，LSB 0似乎没有生成32位整数。似乎在比特级别，我们也应该能够期待随机性。也许这是他们正在使用的线性一致性;也许我错过了什么，但这似乎是一个问题。我意识到有更好的PRNG可用，我已经有一些完全可行的解决方案;我只是想报告我观察到的内容。

Answer 1

nextInt（）
返回下一个伪随机数，从该随机数生成器的序列中均匀分布的int值。

整数类型用Java签名，模式2操作的可能结果是：-1（负奇数），0（偶数），1（正数）奇）。

nextInt() % 2仅对正奇数整数等于1，这就是为什么你只得到25％。您需要对条件进行一些小改动：

 while (R.nextInt() % 2 != 0)

Answer 2

如果(n*2+1) % 2为负数，则n为-1。（这很烦人，因为它没有多少数学意义，但它就是它。它与/运算符的工作方式一致，因此(a/b)*b+(a%b)=a对所有a和b，除非发生整数溢出。）

由于Random.nextInt()返回带符号的随机数，因此模数将为50％的时间，-1 25％的时间和1 25％的时间。

当然，您可以切换到r.nextInt() % 2 != 0或r.nextInt() == 0，但最易读的解决方案确实只是使用r.nextBoolean()。