随机函数如何真正随机？

Question

简介

我知道我会在这个问题上失去很多声誉，而且我也知道它会被标记为不合适，但我真的很好奇，所以如果我有任何机会，我就不会放弃得到至少一个答案。

问题

今天我醒来时想：

  

Hei，如果随机函数是由算法创建的，它们怎么能真正随机？

想一想。你怎么能创建一个模拟随机性的函数，而不是已经内置的随机概念？我开始思考：

  

嘿，我会拿一个int数组，然后我会做[事物]，然后[事物]，而不是[事物]，然后我只选择奇数...... ecc

但似乎更有可能使预测选择的内容更加混乱而不是真正的随机性。

是否可以创建随机性？如何创建返回随机整数的函数（例如PHP中的rand()）？他们如何模拟随机性？

Answer 1

算法生成所谓随机数的函数是pseudorandom number generators。如果您知道用于生成序列的种子，则数字可预测。序列本身是统计随机分布，但不是真正随机的。

true 随机数生成器通常涉及一些从物理世界中采样随机性的硬件，例如放射性或声学噪声。一个简单的实现是采样硬盘访问和鼠标移动。有关真正的RNG，请参阅random.org。

强制性xkcd strip：

Answer 2

他们被称为伪随机数字是有原因的;他们不是真正的随机。 From Wikipedia:

  

伪随机数生成器   （PRNG），也称为确定性   随机比特生成器（DRBG），[1]是一个   生成序列的算法   接近数字的数字   随机数的性质。该   序列并不是真正随机的   它完全取决于   相对较小的初始集   值，称为PRNG的状态。

Answer 3

如果您想要数学背后，请阅读volume 2, chapter 3 of this seminal work。您可以buy it在书架上看起来令人印象深刻。 （请记住，大多数购买它的人最终从未真正阅读过它 - 这是有充分理由的。它非常密集而且阅读非常困难。）简短的答案不涉及大量难以处理的文本大小是“随机的” “纯粹在算法上生成的数字是pseudorandom，也就是说它们”足够随机“。

Answer 4

您可能想查看维基百科关于PRNGS的文章 - 我们在PC上的所有随机数生成器（几乎都是）。

关于你可以随机获得的最接近的，我认为在某处做的，是使用CPU中的温度或其他传感器读数作为其中之一的种子。如果种子是随机的（温度不太可能完全相同），则序列尽可能接近随机。

Answer 5

我通常“得到毫秒”并将其除以伪随机数。这使它更加随机和不可预测。