【摘要】：另外，它的速度和物理随机数发生器的稳定性也使得此方法的使用受到限制。另外一类是使用计算机来产生随机数的方法，即数学方法。因此，目前应用的随机数通常都是通过伪随机数生成器产生的满足一定随机性要求的伪随机数。一般来说，只要产生的伪随机数能够通过足够多的好的统计检验，就可以放心地将伪随机数当做随机数来使用了。
随机数的生成主要有以下两类方法：
一类是物理方法，即利用自然界的一些真的随机物理量生成，如放射性衰变、电子设备的热噪声、宇宙射线的触发时间等。该方法能得到的随机数具有很好的随机性，不过不可重复性使得统计模拟和验证变得困难。另外，它的速度和物理随机数发生器的稳定性也使得此方法的使用受到限制。(www.xing528.com)
另外一类是使用计算机来产生随机数的方法，即数学方法。这类方法由一个初始状态（称为“种子”）开始，通过一个确定的算法来生成随机数。一旦给定算法和种子值，输出序列就是确定的了，因此有一定的周期性、规律性和重复性，不是真正的随机数，通常称之为伪随机数（Pseudo Random Number，PRN）。产生伪随机数的算法或硬件一般称为伪随机数生成器（Pseudo Random Number Generator，PRNG）。这种方法实现简单、速度快、经济，而且在应用中并不一定必须使用真的随机数，只要产生的伪随机数的随机特性能够满足应用的需求就可以。因此，目前应用的随机数通常都是通过伪随机数生成器产生的满足一定随机性要求的伪随机数。应用中对伪随机数的要求是要其尽可能地接近真的随机数的特性，如具有良好的统计分布特性（能通过基本的被认可的统计检验）、具有足够长的周期等。一般来说，只要产生的伪随机数能够通过足够多的好的统计检验，就可以放心地将伪随机数当做随机数来使用了。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
