伪随机数生成器 (PRNGs)
伪随机数生成器（PRNGs）是最常见的随机数生成器类型。它们使用确定的算法，从一个称为“种子”的初始值开始，生成看似随机的数字序列。尽管PRNGs生成的序列具有统计上的随机性，但它们是完全可预测的，因为序列是由确定性算法生成的。这使得PRNGs在需要可重复性（例如，在调试代码时）的应用中非常有用。
常用的PRNGs包括线性同余生成器（LCG）、梅森旋转算法（Mersenne Twister）等。梅森旋转算法因其较长的周期和良好的统计特性而被广泛使用。
真随机数生成器 (TRNGs)
真随机数生成器（TRNGs）使用物理过程（如热噪声、放射性衰变或大气噪声）来生成随机数。与PRNGs不同，TRNGs生成的数字序列是不可预测的，因为它们来自真实的随机物理现象。这使得TRNGs更适合于需要高安全性的应用，例如加密。然而，TRNGs通常比PRNGs更慢，并且需要更复杂的硬件实现。
TRNGs的例子包括使用热噪声的电路、基于放射性衰变的设备以及基于光子发射的设备。
应用领域
随机数生成器广泛应用于各种领域，例如：
- 模拟与仿真： 模拟物理过程、金融市场和天气等。
- 加密： 用于生成密钥、初始化向量等，确保数据的安全性。
- 游戏开发： 用于生成随机事件、决定游戏中的结果。
- 统计抽样： 用于生成样本，例如蒙特卡罗方法。
随机数的质量评估
评估随机数生成器的质量是至关重要的。常用的测试包括：
- 频率测试： 检查数字在序列中出现的频率是否均匀。
- 游程测试： 检查连续的相同数字序列的长度是否符合期望。
- 扑克测试： 检查数字序列中重复数字的分布。
- 自相关测试： 检查序列中的数字是否与其自身的相关性。
通过这些测试可以评估随机数的随机性。
结论
选择合适的随机数生成器取决于具体的应用需求。PRNGs适用于需要可重复性和速度的应用，而TRNGs适用于需要高安全性和真实随机性的应用。了解不同类型的随机数生成器的特性和局限性，可以帮助我们做出更好的选择。