将种子随机化会产生更随机的数字吗？

Question

我有三个关于RNG的问题。

第一个问题是哪些数据可以用作种子。我一直在使用时间，但肯定还有其他容易获得的种子。

在c++中有哪些容易获得的种子？

如果我根据RNG的下一个值以随机间隔重新播种RNG，并从问题1的答案中随机选择种子，这是否会创建一个更难预测的伪随机链，因此更具随机性？

最后，在c++中获取某个范围内的随机数的最佳方法是什么？我一直在使用模运算符，但我想要的是在范围内均匀分布的东西，而不是像AI决策那样偏爱高或低。

Answer 1

你应该看看boost::random。

请记住：

• 为什么你需要随机数--是为了安全，还是为了一个随机过程？
• 你说的“更随机”是什么意思？
• 如果你根据一种算法重新播种，并且该算法比潜在的随机数更可预测，那么你的情况比你开始时更糟糕。如果你的种子仅仅是32位的值，那么即使是一个真正随机的种子源也会让事情变得更糟，而不是更好！
• 如果你需要从随机源中“混合”额外的随机性，那么通过异或来做可能会更好:例如，保持一个真正随机数的小垫子，并将它们循环地异或到你的RNG的输出中-而不是偶尔重新播种，偶尔重新生成那个垫子。这样，您就不会丢弃RNG的宝贵内部状态。或者，如果您可以访问RNG内部，可以使用真正的随机源，偶尔通过类似的机制旋转一些位。

我希望您可以简单地使用boost::mt19937，但这实际上取决于应用程序。

Answer 2

RNG的一个容易获得的种子是任意时间函数。种子不需要是随机的，只要你每次启动程序时它都是不同的，这就足够好了。试图使伪随机数变得“更随机”是一种有点愚蠢的尝试。如果需要这样做，那么生成器是不值得的。

此外，除非经常用真随机噪声播种，否则你不会让输出变得更“随机”，如果你定期播种真随机噪声，只有种子将是真正随机的，其他值仍然是确定性的，所有这些都具有与该生成器生成的任何其他序列相同的统计属性。

如果不能接受不对称分布，通常的实现是在非2次幂范围内获取数字，如下所示：

range = high - low;

while((r = rand()) > range) {}

r += low;

模运算和乘法/除法存在众所周知的偏差和溢出问题。

但是，如果像你说的那样是为了人工智能决策，我敢说如果一个结果比另一个高出1%的可能性，没有人会注意到。因此，简单地使用模数可能就足够好了，具有确定性的时间，并且非常简单。还要注意的是，你总是可以选择一个适合模数的范围。

Answer 3

对于大多数应用程序来说，时间是足够好的，如果你需要更好的随机数，那么你应该看看提供这种功能的特定库。

对于范围生成，以下内容不会影响结果：

int random = rand() * RANGE / RAND_MAX;