首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >rand(),srand()产生随机数

rand(),srand()产生随机数

作者头像
猿人谷
发布于 2018-01-17 02:19:27
发布于 2018-01-17 02:19:27
3.2K00
代码可运行
举报
文章被收录于专栏:猿人谷猿人谷
运行总次数:0
代码可运行

      rand()函数可以用来产生随机数,但是这不是真真意义上的随机数,是一个伪随机数,是根据一个数,我们可以称它为种子,为基准以某个递推公式推算出来的一系数,当这系列数很大的时候,就符合正态公布,从而相当于产生了随机数,但这不是真正的随机数,当计算机正常开机后,这个种子的值是定了的,除非你破坏了系统,为了改变这个种子的值,C提供了 srand()函数,它的原形是void srand( int a).       初始化随机产生器既rand()函数的初始值,即使把种子的值改成a; 从这你可以看到通过sand()函数,我们是可以产生可以预见的随机序列,那我们如何才能产生不可预见的随机序列呢?我们可能常常需要这样的随机序列,是吧。利用srand((unsigned)time(NULL))是一种方法,因为每一次运行程序的时间是不同的.

      rand()会返回一随机数值,范围在0至RAND_MAX 间。返回0至RAND_MAX之间的随机数值,RAND_MAX定义在stdlib.h,(其值至少为32767),运算的结果是一个不定的数,要看你定义的变量类型,int整形的话就是32767。 在调用此函数产生随机数前,必须先利用srand()设好随机数种子,如果未设随机数种子,rand()在调用时会自动设随机数种子为1。一般用for语句来设置种子的个数。

现在的C编译器都提供了一个基于ANSI标准的伪随机数发生器函数,用来生成随机数。它们就是rand()srand()函数。这二个函数的工作过程如下:

  • 1) 首先给srand()提供一个种子,它是一个unsigned int类型,其取值范围从0~65535;
  • 2) 然后调用rand(),它会根据提供给srand()的种子值返回一个随机数(在0到32767之间)
  • 3) 根据需要多次调用rand(),从而不间断地得到新的随机数;
  • 4) 无论什么时候,都可以给srand()提供一个新的种子,从而进一步“随机化”rand()的输出结果。

可能大家都知道c语言中的随机函数random,可是random函数并不是ANSI C标准,所以说,random函数不能在gcc,vc等编译器下编译通过。

random()产生随机数为0或1;

random(n)产生随机数为0到n之间的一个随机数;

rand()产生0到32768之间的一个随机数。

     需要首先使用随机数“种子”初始化,srand函数。下面是0~32767之间的随机数程序

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
 1 #i nclude <stdlib.h>
 2 #i nclude <stdio.h>
 3 #i nclude <time.h> //使用当前时钟做种子
 4 
 5 void main( void )
 6 {
 7    int i;
 8    srand( (unsigned)time( NULL ) );//初始化随机数
 9 
10    /* 打印10个随机数. */
11      for( i = 0; i < 10;i++ )
12         printf( " %d\n", rand() );
13 }       
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
范例 
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
/* 产生介于1 到10 间的随机数值,此范例未设随机数种子,完整的随机数产生请参考srand()*/
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
 1 #include<stdlib.h> 
 2 int  main() 
 3 { 
 4     int i,j; 
 5     for(i=0;i<10;i++) 
 6    { 
 7      j=1+(int)(10.0*rand()/(RAND_MAX+1.0)); 
 8      printf("%d ",j); 
 9     } 
10     return 011 } 
12 
13 执行结果: 
14 9 4 8 8 10 2 4 8 3 6 
15 9 4 8 8 10 2 4 8 3 6 

根据上面的程序可以很容易得到0~1之间的随机数:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
 1 #include <stdlib.h>
 2 #include <stdio.h>
 3 #include <time.h> 
 4 int main( )
 5 {   int i;
 6     srand( (unsigned)time( NULL ) );  
 7        for( i = 0; i < 10;i++ )
 8             printf( "%5.2f\n", rand()/32767.0);
 9     return 010 }

而产生1~100之间的随机数可以这样写:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
 1 #include <stdlib.h>
 2 #include <stdio.h>
 3 #include <time.h> 
 4 int main( )
 5 {   int i;
 6     srand( (unsigned)time( NULL ) );  
 7        for( i = 0; i < 10;i++ )
 8             printf( "%d\n", rand()%100+1);
 9     return 0;
10 }

产生0--99之间的随机数:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
 1 #include <stdlib.h> 
 2 #include <stdio.h> 
 3 int main() 
 4 { 
 5    int i; 
 6    printf("Ten random numbers from 0 to 99\n\n"); 
 7    for(i=0; i<10; i++) 
 8       printf("%d\n", rand() % 100); 
 9    return 0; 
10 } 

如何产生设定范围内的随机数

    由于rand产生的随机数从0到rand_max,而rand_max是一个很大的数,那么如何产生从X~Y的数呢?

    从X到Y,有Y-X+1个数,所以要产生从X到Y的数,只需要这样写:

k=rand()%(Y-X+1)+X;

    这样,就可以产生你想要的任何范围内的随机数了。

下面是搜回来的:

问题1: 怎样获得一个真正的随机数?要知道,rand()是不能产生真正的随机数的!即使不能产生真正的随机数,也要大概接近呀!而rand()好象每次的随机都一样。

专家解答:

    之所以rand()每次的随机数都一样是因为rand()函数使用不正确。各种编程语言返回的随机数(确切地说是伪随机数)实际上都是根据递推公式计算的一组数值,当序列足够长,这组数值近似满足均匀分布。如果计算伪随机序列的初始数值(称为种子)相同,则计算出来的伪随机序列就是完全相同的。这个特性被有的软件利用于加密和解密。加密时,可以用某个种子数生成一个伪随机序列并对数据进行处理;解密时,再利用种子数生成一个伪随机序列并对加密数据进行还原。这样,对于不知道种子数的人要想解密就需要多费些事了。当然,这种完全相同的序列对于你来说是非常糟糕的。要解决这个问题,需要在每次产生随机序列前,先指定不同的种子,这样计算出来的随机序列就不会完全相同了。你可以在调用rand()函数之前调用srand( (unsigned)time( NULL ) ),这样以time函数值(即当前时间)作为种子数,因为两次调用rand函数的时间通常是不同的,这样就可以保证随机性了。你也可以使用srand函数来人为指定种子数。Windows 9x/NT的游戏FreeCell就允许用户指定种子数,这样用户如果一次游戏没有成功,下次还可以以同样的发牌结果再玩一次。

  问题2: 我按照上述方法并不能产生随机数,仅产生公差为3或4的等差数列:

    #include <stdlib.h>

    #include <iostream.h>

    #include <conio.h>

    #include <time.h>

    void main()

    {

     for(int i=0;i<100000;i++)

     {

     srand( (unsigned)time( NULL ) );

     cout<<rand()<<endl;

     }

    }

专家解答:

   你的程序是有问题的,你每产生一个随机数之前,都调用一次srand,而由于计算机运行很快,所以你每次用time得到的时间都是一样的(time的时间精度较低,只有55ms)。这样相当于使用同一个种子产生随机序列,所以产生的随机数总是相同的。你应该把srand放在循环外:

     srand( (unsigned)time( NULL ) );

     for(int i=0;i<100000;i++)

     {

     //相关语句

     }

C语言中可以使用rand()函数来生成一个从0到RAND_MAX的uniform分布。基于这个函数,我们可以构造出一些特定的随机数生成器来满足我们的需求。

(一)0到1的uniform分布:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
//generate a random number in the range of [0,1]
double uniform_zero_to_one(){
    return (double)rand()/RAND_MAX;
}

(二)任意实数区间的uniform分布:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
//generate a random real number in [start,end]
double uniform_real(double start,double end){
    double rate=(double)rand()/RAND_MAX;
    return start+(end-start)*rate;
}

(三)任意整数区间的uniform分布:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
//generate a random integer number in [start,end)
int uniform_integer(int start,int end){
    int base=rand();
    if(base==RAND_MAX)
        return uniform_integer(start,end);
    int range=end-start;
    int remainder=RAND_MAX%range;
    int bucket=RAND_MAX/range;
    if(base<RAND_MAX-remainder)
        return start+base/bucket;
    else
        return uniform_integer(start,end);


}

这个函数要特别说明一下,平常时候我们都是用rand()%n来生成0到n-1的随机数,但是按这种方法生成的分布并不是uniform的,更详细的讨论可以参见stackoverflow http://stackoverflow.com/questions/2509679/how-to-generate-a-random-number-from-within-a-range-c。另外,我这个函数也是从stackoverflow上获得,不敢据为己有,此处只为和大家分享。

另外由于RAND_MAX只有32767,因此要生成比这个数更大的随机数需要另外想办法,理论上可以直接用0到1的uniform分布直接放缩,但实际效果不好。这里给出一种移位方式的实现。

(四)32bits的随机数

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
//generate a random 32 bits integer number 
int rand32(){
    return ((rand()<<16)+(rand()<<1)+rand()%2);
}

有了32bits的随机数生成方法,就可以构造32bits范围内的随机整数区间了,方法和之前16bits的情况一样。

(五)32bits范围内的随机整数区间

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
//generate a random 32bits integer number in [start,end)
 int uniform_integer_32(int start,int end){
     int base=rand32();
    if(base==RAND32_MAX)
        return uniform_integer_32(start,end);
    int range=end-start;
    int remainder=RAND32_MAX%range;
    int bucket=RAND32_MAX/range;
    if(base<RAND32_MAX-remainder)
        return start+base/bucket;
    else
        return uniform_integer_32(start,end);
}

这里RAND32_MAX定义为0x7fffffff。

除此之外,利用rand()函数构造任意分布的随机数也是个值得探讨的问题。

理论上可以通过(0,1)的uniform分布,加上标准采样方法(sampling)获得。但是实现还是不那么容易的。之前在CSDN上看到有人推荐Intel MKL库(Intel MKL Vector Statistical Library (VSL) is a collection of 9 random number generators and 22 probability distributions that deliver significant performance improvements in physics, chemistry, and financial analysis.)这个库包括了常见的随机数生成器,以及可以生成常见的随机数分布。

伪随机数其实是一个很值得研究的课题,这里只是抛砖引玉,欢迎讨论,欢迎提出更好的方法。

续一:在本文发布后,有人提出来boost库有关于随机数的东西,我查了一下,确实如此。这里给出boost库随机数文档的链接:http://www.boost.org/doc/libs/1_35_0/libs/random/index.html

续二:C++ 11开始标准库也自带了随机数的函数,详细请参见相关文档:http://en.cppreference.com/w/cpp/numeric/random/uniform_int_distribution

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2012-12-12 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
分布式作业 Elastic-Job-Lite 源码分析 —— 主节点选举
无中心化,意味着 Elastic-Job-Lite 不存在一个中心执行一些操作,例如:分配作业分片项。Elastic-Job-Lite 选举主节点,通过主节点进行作业分片项分配。目前,必须在主节点执行的操作有:分配作业分片项,调解分布式作业不一致状态。
芋道源码
2018/11/22
5930
源码分析ElasticJob分片机制
ElasticJob分片工作机制: 1、ElasticJob在启动时,首先会启动是否需要重新分片的监听器。 代码入口如下:
丁威
2019/06/10
1.7K0
源码分析ElasticJob分片机制
分布式作业 Elastic-Job-Lite 源码分析 —— 注册中心监听器
在《Elastic-Job-Lite 源码分析 —— 作业初始化》「3.2.4」注册作业启动信息,我们看到作业初始化时,会开启所有注册中心监听器:
芋道源码
2018/10/26
8710
分布式做系统 Elastic-Job-Lite 源码分析 —— 作业初始化
作业注册表( JobRegistry ),维护了单个 Elastic-Job-Lite 进程内作业相关信息,可以理解成其专属的 Spring IOC 容器。因此,其本身是一个单例。
芋道源码
2018/09/30
6140
分布式做系统 Elastic-Job-Lite 源码分析 —— 作业初始化
elastic-job-lite 既然去中心化,为何要选举主节点
开篇语 上一篇文章介绍了elastic-job-lite的入门,架构。使用和一些流程,里面提到elastic-job-lite是一个去中心化,轻量级的任务调度框架,那为什么elastic-jib-lite在启动时要选取主节点呢?难道我看错了,哈哈,不可能的,后文 elastic-job-lite简称ejl。 leader选举 ejl定位为轻量级,去中心化,其任务调度由各自的机器驱动,各台机器之间通过zk去协调,ejl为每个任务都创建一个JobScheduler,而在JobScheduler的初始化中回为每个
阿伟
2019/07/22
1.8K0
elastic-job-lite 既然去中心化,为何要选举主节点
源码分析ElasticJob选主实现原理
ElasticJob分布式调度服务器包含两个角色分布为主服务器、从服务器。这里的主从服务器并不是传统意义上的主备。
丁威
2019/06/10
8880
源码分析ElasticJob选主实现原理
分布式作业 Elastic-Job-Lite 源码分析 —— 注册中心
ZookeeperRegistryCenter,基于 Zookeeper 注册中心。从上面的类图可以看到,ZookeeperRegistryCenter 实现 CoordinatorRegistryCenter 接口,CoordinatorRegistryCenter 继承 RegistryCenter 接口。
芋道源码
2018/10/26
1.1K0
elastic-job选主过程
ElasticJob的主服务器的职责是根据当前存活的任务调度服务器生成分片信息,然后拉取属于该分片的任务数据执行任务。为了避免分片信息的不统一,ElasticJob必须从所有的调度服务器中选择一台为主服务器,由该台服务器统一计算分片信息,其他服务根据该分片信息进行任务调度。
leobhao
2022/06/28
5190
elastic-job选主过程
分布式作业系统 Elastic-Job-Lite 源码分析 —— 作业失效转移
摘要: 原创出处 http://www.iocoder.cn/Elastic-Job/job-failover/ 「芋道源码」欢迎转载,保留摘要,谢谢! 本文基于 Elastic-Job V2.1.5 版本分享 1. 概述 2. 作业节点崩溃监听 3. 作业失效转移 4. 获取作业分片上下文集合 5. 监听作业失效转移功能关闭 666. 彩蛋 ---- 1. 概述 本文主要分享 Elastic-Job-Lite 作业失效转移。 当作业节点执行作业异常崩溃时,其所分配的作业分片项在下次重新分片之前不会被重新
芋道源码
2018/12/13
7000
分布式作业系统 Elastic-Job-Lite 源码分析 —— 作业失效转移
Elastic-Job2.1.5源码-基于Zookeeper分布式锁实现选举作业主节点原理
大家好,本文给大家介绍一下Elastic-Job 基于Zookeeper分布式锁实现选举作业主节点原理,本文主要介绍Elastic-Job如何使用Zookeeper分布式锁进行选举作业主节点,分布式锁的原理和注意事项。
宋小生
2022/12/14
6270
Elastic-Job2.1.5源码-基于Zookeeper分布式锁实现选举作业主节点原理
Elastic-Job2.1.5源码-作业高可用的失效转移功能实现原理动画
失效转移是作业补偿的另外一个场景,作业如果在执行过程中执行节点崩溃了那本次作业将无法正常执行完成,导致作业执行异常,这个时候就需要我们执行失效转移将崩溃的作业分片转移到其他可以正常执行的机器上面进行作业的补偿执行,失效转移的过程一共分为如下几步:
宋小生
2022/12/14
4780
分布式作业系统 Elastic-Job-Lite 源码分析 —— 作业监控服务
本文主要分享 Elastic-Job-Lite 作业监控服务。内容对应《官方文档 —— DUMP作业运行信息》。
芋道源码
2018/12/29
6850
分布式作业系统 Elastic-Job-Lite 源码分析 —— 作业监控服务
分布式作业系统 Elastic-Job-Lite 源码分析 —— 自诊断修复
ReconcileService 继承 Google Guava AbstractScheduledService 抽象类,实现 #scheduler()、#runOneIteration() 方法,达到周期性校验注册中心数据与真实作业状态的一致性。
芋道源码
2019/02/27
7320
分布式作业系统 Elastic-Job-Lite 源码分析 —— 自诊断修复
分布式作业 Elastic-Job-Lite 源码分析 —— 作业配置
一个作业( ElasticJob )的调度,需要配置独有的一个作业调度器( JobScheduler ),两者是 1 : 1 的关系。这点大家要注意下,当然下文看代码也会看到。
芋道源码
2018/09/30
1.4K0
分布式作业 Elastic-Job-Lite 源码分析 —— 作业配置
分布式作业 Elastic-Job-Lite 源码分析 —— 作业数据存储
JobNodePath,作业节点路径类。作业节点是在普通的节点前加上作业名称的前缀。
芋道源码
2018/10/26
4690
Elastic-Job系列一之执行器注册启动
以springboot为例看下elastic-job的执行器启动流程,启动配置类为elasticjob-lite-spring-boot-starter中的ElasticJobLiteAutoConfiguration,如下
用户9511949
2024/07/07
5200
分布式作业 Elastic-Job-Lite 源码分析 —— 作业分片
1. 概述2. 作业分片条件3. 分配作业分片项4. 获取作业分片上下文集合666. 彩----
芋道源码
2018/12/07
5730
分布式作业系统 Elastic-Job-Lite 源码分析 —— 作业监听器
摘要: 原创出处 http://www.iocoder.cn/Elastic-Job/job-listener/ 「芋道源码」欢迎转载,保留摘要,谢谢!
芋道源码
2018/12/19
8370
分布式作业系统 Elastic-Job-Lite 源码分析 —— 作业监听器
分布式作业系统 Elastic-Job-Lite 源码分析 —— 作业执行
Lite调度作业( LiteJob ),作业被调度后,调用 #execute() 执行作业。
芋道源码
2018/09/30
1.9K0
分布式作业系统 Elastic-Job-Lite 源码分析 —— 作业执行
elastic-job失效转移和错过补偿
如果一个任务节点宕机后,则一次任务调度期间,一部分数据将不会被处理,为了解决由于任务节点宕机引起任务一个调度周期的一次任务执行部分数据未处理,可以设置开启故障失效转移,将本次任务转移到其他正常的节点上执行。
leobhao
2022/06/28
1.1K0
推荐阅读
相关推荐
分布式作业 Elastic-Job-Lite 源码分析 —— 主节点选举
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档