随机数

首先我们要对rand＆srand有个总体的看法：srand初始化随机种子，rand产生随机数，下面将详细说明。 1. rand （产生随机数） 表头文件：#include<stdlib.h> 定义函数：int rand(void) 函数说明：因为rand的内部实现是用线性同余法做的，他不是真的随机数，只不过是因为其周期特别长，所以有一定的范围里可看成是随机的，rand()会返回一个随机数值，范围在0至RAND_MAX 间。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。rand()产生的是假随机数字，每次执行时是相同的。若要不同,以不同的值来初始化它.初始化的函数就是srand()。 返回值：返回0至RAND_MAX之间的随机 整数 值，RAND_MAX的范围最少是在32767之间（int），即双字节（16位数）。若用unsigned int 双字节是65535，四字节是4294967295的整数范围。0~RAND_MAX每个数字被选中的机率是相同的。 范例： /* 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（）*/ #include <cstdlib> #include <iostream> using namespace std; int main()

private static char[] constant = { '0','1','2','3','4','5','6','7','8','9', 'a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v','w','x','y','z', 'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y','Z' }; public static string GenerateRandomNumber(int Length) { System.Text.StringBuilder newRandom = new System.Text.StringBuilder(62); Random rd = new Random(); for (int i = 0; i < Length; i++) { newRandom.Append(constant[rd.Next(62)]); } return newRandom.ToString(); } 随机数的使用很普遍，可用它随机显示图片，用它防止无聊的人在论坛灌水还可以用来加密信息等等

private static char[] constant = { '0','1','2','3','4','5','6','7','8','9', 'a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v','w','x','y','z', 'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y','Z' }; public static string GenerateRandomNumber(int Length) { System.Text.StringBuilder newRandom = new System.Text.StringBuilder(62); Random rd = new Random(); for (int i = 0; i < Length; i++) { newRandom.Append(constant[rd.Next(62)]); } return newRandom.ToString(); } 随机数的使用很普遍，可用它随机显示图片，用它防止无聊的人在论坛灌水还可以用来加密信息等等

【作用域】 --当在函数中操作一个变量时，会先在自身作用域中查找，如果有就直接使用， 如果没有则向上一级作用域查找，知=直到找到全局作用域window.b= --在函数中不使用var 声明的变量则会设置为全局变量， --定义形参就相当于在函数中声明了一个变量 【构造函数】： --构造函数和普通函数的区别是调用方式的不同，普通直接调用，构造通过new关键字调用 --【构造函数的执行流程】， 1，创建一个新对象， 2，将新建的对象设置为函数中的this 3，逐步执行函数中的代码 4，将新建的对象作为返回值返回 --【原型】： 1，每一个构造函数都有一个prototype原型，是一个指针，指向一个对象，对象里 保存了实例共享的属性和方法，原型是给实例提供属性和方法的，每一个实例都有 一个指向原型的指针_proty_；当我们访问实例的一个属性互或方法时，会先在 对象自身查找，如果有则直接使用，如果没有，会去原型对象中寻找，找到则直接使用 【检查对象是否包含某属性】： -可以使用对象的hasOwnProperty() 来检查对象自身中是否有该属性 --object.hasOwnProperty(''name') 如果有该属性则返回true 【随机数】: ---Math.random()可以生成0-1之间的随机数， -》生成0-10之间的随机数Math.round(Math.random()

超强的Lambda Stream流操作 Stream 流介绍 Stream 不同于其他集合框架，它也不是某种数据结构，也不会保存数据，但是它负责相关计算，使用起来更像一个高级的迭代器。在之前的迭代器中，我们只能先遍历然后在执行业务操作，而现在只需要指定执行什么操作， Stream 就会隐式的遍历然后做出想要的操作。另外 Stream 和迭代器一样的只能单向处理，如同奔腾长江之水一去而不复返。 由于 Stream 流提供了惰性计算和并行处理的能力，在使用并行计算方式时数据会被自动分解成多段然后并行处理，最后将结果汇总。所以 Stream 操作可以让程序运行变得更加高效。 Stream 流概念 Stream 流的使用总是按照一定的步骤进行，可以抽象出下面的使用流程。 数据源（source） -> 数据处理/转换（intermedia） -> 结果处理（terminal ） 2.1. 数据源 数据源（source）也就是数据的来源，可以通过多种方式获得 Stream 数据源，下面列举几种常见的获取方式。 Collection.stream(); 从集合获取流。 Collection.parallelStream(); 从集合获取并行流。 Arrays.stream(T array) or Stream.of(); 从数组获取流。 BufferedReader.lines();

C#中的随机数可以利用Random类很简单地生成随机数： Random rd = new Random(); int Num = rd.Next(0,10);//指定范围 在不指定种子时，大量生成随机数时重复率会非常高。为了防止重复，有人会加入Thread.sleep(1),在线程中加入休眠，显然效率会非常低。所以在Random中需要在指定种子，可以引用GUID作为种子。 GUID特点 全局唯一标识符（GUID，Globally Unique Identifier）是一种由算法生成的二进制长度为128位的数字标识符。GUID主要用于在拥有多个节点、多台计算机的网络或系统中。在理想情况下，任何计算机和计算机集群都不会生成两个相同的GUID。GUID 的总数达到了2^128（3.4×10^38）个，所以随机生成两个相同GUID的可能性非常小，但并不为0。所以，用于生成GUID的算法通常都加入了非随机的参数（如时间），以保证这种重复的情况不会发生。 利用GUID生成随机数： Random rd = new Random(Guid.NewGuid().GetHashCode());//利用Guid.NewGuid().GetHashCode()返回的哈希代码得到种子 int Num = rd.Next(0, 10); 这样生成的随机数就重复率低。 需要注意的是，对于保密性事项

Math类 java.lang.Math提供了一系列静态方法用于科学计算, 其方法的参数和返回值类型一般都为double型, 如果需要更加强大的数学运算能力计算高等数学中的相关内容, 可使用apache commons下面的Math类库 Math类的常用方法: abs取绝对值 acos, asin, atan, cos, sin, tan三角函数 sqrt平方根 pow(double a, double b), a^b max(double a, double b), 取最大值 min(double a, double b), 取最小值 ceil(double a), 大于a的最小整数 floor(double a), 小于a的最大整数 random(), 返回0.0到1.0的随机数 long round(double a), double型数据a转换为long型(四舍五入) toDegrees(double angrad), 弧度转换为角度 roRadians(double angdeg), 角度转换为弧度 /**************示例程序****************/ public static void main(String[] args) { // 取正相关操作 System.out.println(Math.ceil(3.1)); System.out

代码： import java.util.Random; public class RandomLetterNumUtil { public static String getRandomCode(int size) { // 传入要生成的随机数的位数 Random random = new Random(); String str = ""; for (int i = 0; i < size; i++) { int key = random.nextInt(3); switch (key) { case 0: int code1 = random.nextInt(10); str += code1; break; case 1: char code2 = (char) (random.nextInt(26) + 65); str += code2; break; case 2: char code3 = (char) (random.nextInt(26) + 97); str += code3; break; } } return str; } // 主函数测试 public static void main(String[] args) { int size = 6; String randomCode = getRandomCode(size); //

Monte Carlo:一般采用实验的方法来研究随机变量的分布，反复实验取得随机变量的样本，用样本的分布来近似地代替随机变量分布。有了概率分布，就可以用数学来模拟实际的物理过程，得到随机变量的样本。（Stanislaw Marcin Ulam, Enrico Fermi, John von Neumann Nicholas Metropolis） 频率--概率 在计算机上容易产生服从均匀分布的 随机数 ，而任意分布的随机数可以由均匀分布为基础而产生。 1.Monte Carlo模拟某一过程时，需要产生各种概率分布的随机变量。 2.用统计方法把模型的数字特征估计出来，从而得到实际问题的数值解。 计算机上，用数学递推公式产生。这样产生的序列，与真正的随机数序列不同，所以称为伪随机数，或伪随机数序列。不过，经过多种统计检验表明，它与真正的随机数，或随机数序列具有相近的性质，因此可把它作为真正的随机数来使用。 建立各种估计量：构造了概率模型并能从中抽样后，即实现模拟实验后，我们就要确定一个随机变量，作为所要求的问题的解，我们称它为无偏估计。 随机变量的分布， IDL 来源： https://www.cnblogs.com/haizhupan/p/4158736.html

c++11提供的<random>实现了随机数库，它通过随机数引擎类（random_number_engines)产生随机数序列，随机数分布类（random-number distribution)使用随机数引擎生成服从特定概率分布的随机数。 让我们看一个简单的例子： #include <iostream> #include <random> using std::cout; using std::endl; using std::default_random_engine; int main() { default_random_engine e; for (size_t i = 0; i < 10; ++i) //生成十个随机数 cout << e() << endl; cout << "Min random:" << e.min() << endl; //输出该随机数引擎序列的范围 cout << "Max random:" << e.max() << endl; return 0; } 生成的随机数结果： 在例子中，随机数类是定义在std命名空间的，所以要声明。随机数引擎是函数对象，这就是为什么使用e()去生成随机数。程序每次运行都会生成相同的随机数序列，这在一定程度有利于程序的调试，但我们有时需要每一次运行产生的随机数序列都是不同的