问题标题: 酷町堂:大佬们,怎么取随机数?谢谢!

1
1

0
已采纳
王子逸
王子逸
新手天翼
新手天翼

头文件:#include<iostream>

#include<cstdlib>

#include<ctime>

指令:srand(time(NULL);

要随机的值a

a=rand()%最大数范围+1;

例:srang(time(NULL);

a=rand()%100+1;

cout<<a;

a在100~1之间

王子逸在2020-05-26 21:22:05追加了内容

a必须是int

王子逸在2020-05-26 21:25:51追加了内容

给你一个例码:

#include<iostream>

#include<cstdlib>

#include<ctime>

using namespace std;

int main(){

int a;

srand(time(NULL));

for(int i=1;i<=50;i++)

{

a=rand()%100+1;

cout<<a<<" ";

}
return 0;
}

你试试吧

王子逸在2020-05-26 21:29:05追加了内容

srand(time(NULL);

是定义rand随机数;

rand()%100+1;

是随机100~1的一个数

王子逸在2020-05-26 21:32:20追加了内容

定义int的变量,

变量=rand()%100+1;

 

王子逸在2020-05-26 21:35:49追加了内容

NULL

是不断更新随机值

0
0
吕若朴
吕若朴
中级光能
中级光能

rand()函数,时间有限,具体不在介绍,请上百度,谢谢!

0
董宇昊
董宇昊
初级启示者
初级启示者

王大佬,具体能说一下吗?

0
武建豪
武建豪
中级天翼
中级天翼

C/C++怎样产生随机数:这里要用到的是rand()函数, srand()函数,C语言/C++里没有自带的random(int number)函数。
(1)  如果你只要产生随机数而不需要设定范围的话,你只要用rand()就可以了:rand()会返回一随机数值, 范围在0至RAND_MAX 间。RAND_MAX定义在stdlib.h, 其值为2147483647。
例如:

#include<stdio.h>
#include<stdlib.h>
void main()
{
       for(int i=0;i<10;i+)
             printf("%d/n",rand());
}

(2)  如果你要随机生成一个在一定范围的数,你可以在宏定义中定义一个random(int number)函数,然后在main()里面直接调用random()函数:

例如:随机生成10个0~100的数:
#include<stdio.h>
#include<stdlib.h>
#define random(x) (rand()%x)

void main()
{
     for(int x=0;x<10;x++)
           printf("%d/n",random(100));
}

 

(3)但是上面两个例子所生成的随机数都只能是一次性的,如果你第二次运行的时候输出结果仍和第一次一样。这与srand()函数有关。srand()用来设置rand()产生随机数时的随机数种子。在调用rand()函数产生随机数前,必须先利用srand()设好随机数种子(seed), 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。上面的两个例子就是因为没有设置随机数种子,每次随机数种子都自动设成相同值1 ,进而导致rand()所产生的随机数值都一样。

srand()函数定义 : void srand (unsigned int seed);
通常可以利用geypid()或time(0)的返回值来当做seed
如果你用time(0)的话,要加入头文件#include<time.h>

例如:
#include<stdio.h>
#include<stdlib.h>
#include<time.h>
#define random(x) (rand()%x)

void main()
{

     srand((int)time(0));
     for(int x=0;x<10;x++)
           printf("%d/n",random(100));
}

这样两次运行的结果就会不一样了!!

 

<二>

标准C库中函数rand()可以生成0~RAND_MAX之间的一个随机数,其中RAND_MAX 是stdlib.h 中定义的一个整数,它与系统有关。

rand()函数没有输入参数,直接通过表达式rand()来引用;例如可以用下面的语句来打印两个随机数:

printf("Random numbers are: %i %i/n",rand(),rand());

因为rand()函数是按指定的顺序来产生整数,因此每次执行上面的语句都打印相同的两个值,所以说C语言的随即并不是正真意义上的随机。

为了时程序在每次执行时都能生成一个新序列的随机值,我们通常通过为随机数生成器提供一粒新的随机种子。函数srand()(来自stdlib.h)可以为随机数生成器播散种子。只要种子不同rand()函数就会产生不同的随机数序列。srand()称为随机数生成器的初始化器。

例程:

文件名: rand_srand.c

/* This program generates and prints ten random integers between 1 and RAND_MAX*/

#include <stdio.h>

#includ <stdlib.h>

int main()

{

        usigned int seed;        /*申明初始化器的种子,注意时usigned int 型的*/

        int k;

        pringt("Enter a positive integer seed value: /n");

        scanf("%u",&seed);

        srand(seed);

        printf("Random Numbers are:/n");

        for(k = 1; k <= 10; k++)

        printf("%i",rand());

        printf("/n");

        return 0;

}

你会发现,当你提供的种子相同时,随机数序列也时相同的。而且当种子为1时,与不使用srand()函数时一样的,也就是说rand()函数默认情况下初始化种子值为1;

在stdlib.h 中这两个函数的原型是:

int rand();

void srand (unsigned int);

扩充:

        x = rand()%11; /*产生1~10之间的随机整数*/

        y = rand()%51 - 25; /*产生-25 ~ 25之间的随机整数*/

        z = ((double)rand()/RAND_MAX)*(b-a) + a;/*产生区间[a,b]上的随机数*/

 

<三>

 

1-0:Microsoft VC++产生随机数的原理:

Srand ( )和Rand( )函数。它本质上是利用线性同余法,y=ax+b(mod m)。其中a,b,m都是常数。因此rand的产生决定于x,x被称为Seed。Seed需要程序中设定,一般情况下取系统时间作为种子。它产生的随机数之间的相关性很小,取值范围是0—32767(int),即双字节(16位数),若用unsigned int 双字节是65535,四字节是4294967295,一般可以满足要求。

1-1: 线性同余法:

?/P>

其中M是模数,A是乘数,C是增量,为初始值,当C=0时,称此算法为乘同余法;若C≠0,则称算法为混合同余法,当C取不为零的适当数值时,有一些优点,但优点并不突出,故常取C=0。模M大小是发生器周期长短的主要标志,常见有M为素数,取A为M的原根,则周期T=M-1。例如:

a=1220703125        

a=32719            (程序中用此组数)   

     a=16807          

代码:

void main( )

{

const int n=100;

double a=32719,m=1,f[n+1],g[n],seed;

m=pow(2,31);

cout<<"设置m值为  "<<m-1<<endl;

cout<<"输入种子"<<endl;  //输入种子

cin>>seed;

f[0]=seed;    

    for(int i=1;i<=n;i++)    //线性同余法生成随机数

      {

         f[i]=fmod((a*f[i-1]),(m-1));

             g[i-1]=f[i]/(m-1);

             cout.setf(ios::fixed);cout.precision(6); //设置输出精度

         cout<<i<<"   "<<"/n"<<g[i-1]<<endl;

      }

}

结果分析:统计数据的平均值为:0.485653

统计数据的方差为:0.320576

 

1-2:人字映射

递推公式

?/P>

就是有名的混沌映射中的“人字映射”或称“帐篷映射”,它的非周期轨道点的分布密度函数:人字映射与线性同余法结合,可产生统计性质优良的均匀随机数。

 for(int i=1;i<=n;i++)    //线性同余法生成随机数

      {

         f[i]=fmod((a*f[i-1]),m);

             if(f[i]<=m/2)     //与人字映射结合生成随机数

             {

                    f[i]=2*f[i];

             }

             else

             {

                    f[i]=2*(m-f[i])+1;

             }

1-3:平方取中法——冯·诺伊曼

1946年前后,由冯·诺伊曼提出,他的办法是去前面的随机数的平方,并抽取中部的数字。例如要生成10位数字,而且先前的值是5772156649,平方后得到33317792380594909201,所以下一个数是7923805949。

for(j=1;j<=n;j++)

      {

             i[j]=i[j-1]*i[j-1];  

        i[j]=i[j]/pow(10,5); 

        i[j]=fmod(i[j],pow(10,10));

        g[j]=i[j]/pow(10,10);

        cout.setf(ios::fixed);cout.precision(6); //设置输出精度

        cout<<j<<'/t'<<g[j]<<endl;

      }

二:任意分布随机数的生成

     利用(0,1)均匀分布的随机数可以产生任意分布的随机数。主要的方法有反函数法,舍选法,离散逼近法,极限近似法和随机变量函数法等。这里主要讨论了反函数法,当然对于具体分布函数可以采用不同的方法。

设随机变量X具有分布函数F(X),则对一个给定的分布函数值,X的值为
                                              

其中inv表示反函数。现假设r是(0,1)均匀分布的随机变量R的一个值,已知R的分布函数为

                              

因此,如果r是R的一个值,则X具有概率

 

也就是说如果 (r1,r2,...,rn)是R的一组值,则相应可得到的一组值

                    

具有分布。从而,如果我们已知分布函数的反函数,我们就可以从(0,1)分布的均匀分布随机数得到所需分布的随机数了。

1-4:指数分布:

指数分布的分布函数为:

x<0时,F(x)=0    ; ,F(x)=1-exp

利用上面所述反函数法,可以求得:  x= ln(1-y),这里不妨取常数 为1.

for(int j=0;j<n;j++)

       { 

              i=rand()%100;//产生从0-32767的任意一个值

        a[j]=double(i)/double(100); 

          a[j]=-log(a[j]);//  常数大于0,这里取1

          、、、、、、、

1-5:正态分布:

正态分布的概率密度是:

正态分布的分布函数是:

对于正态分布,利用反函数的方法来获取正态分布序列显然是很麻烦的,牵涉到很复杂的积分微分运算,同时为了方便,我们取,即标准正态分布。因此这里介绍了两种算法:

第一种:

Box和Muller在1958年给出了由均匀分布的随机变量生成正态分布的随机变量的算法。设U1, U2是区间 (0, 1)上均匀分布的随机变量,且相互独立。令  

  X1=sqrt(-2*log(U1)) * cos(2*PI*U2); 

  X2=sqrt(-2*log(U1)) * sin(2*PI*U2);  

那么X1, X2服从N(0,1)分布,且相互独立。

             p=rand()%100;//产生从0-32767的任意一个值

             b[j]=double(p)/double(100);

             a[j]=sqrt(-2*log(a[j]))*cos(2*3.1415926*b[j]);

第二种:

近似生成标准正态分布,独立同分布的多个随机变量和的分布趋近于正态分布,取k个均匀分布的(0,1)随机变量,,…… ,则它们的和近似服从正态分布。

  实践中,取k=12,(因为D( )=1/12),则新的随机变量y=x1+x2+...+x12-6,可以求出数学期望E(y)=0,方差D(y)=12*1/12=1,因此可以近似描述标准正态分布。

 

武建豪在2020-05-26 21:25:08追加了内容

望采纳

0
张恩泽
张恩泽
高级天翼
高级天翼

@王子逸 看不出来啊,你这么厉害

0
张恩泽
张恩泽
高级天翼
高级天翼

@王子逸 看不出来啊,你这么厉害

我要回答