JAVA中的Random()函數


Java中存在着兩種Random函數:

一、java.lang.Math.Random;

  調用這個Math.Random()函數能夠返回帶正號的double值,該值大於等於0.0且小於1.0,即取值范圍是[0.0,1.0)的左閉右開區間,返回值是一個偽隨機選擇的數,在該范圍內(近似)均勻分布。例子如下:

復制代碼
package IO;
import java.util.Random;

public class TestRandom {

public static void main(String[] args) {
    // 案例1
    System.out.println("Math.random()=" + Math.random());// 結果是個double類型的值,區間為[0.0,1.0)
    int num = (int) (Math.random() * 3); // 注意不要寫成(int)Math.random()*3,這個結果為0,因為先執行了強制轉換
    System.out.println("num=" + num);
    /**
     * 輸出結果為:
     * 
     * Math.random()=0.02909671613289655
     * num=0
     * 
     */

  }
}
復制代碼
二、java.util.Random

  下面Random()的兩種構造方法:

     Random():創建一個新的隨機數生成器。

     Random(long seed):使用單個 long 種子創建一個新的隨機數生成器。

  我們可以在構造Random對象的時候指定種子(這里指定種子有何作用,請接着往下看),如:Random r1 = new Random(20);

  或者默認當前系統時間的毫秒數作為種子數:Random r1 = new Random();

  需要說明的是:你在創建一個Random對象的時候可以給定任意一個合法的種子數,種子數只是隨機算法的起源數字,和生成的隨機數的區間沒有任何關系。如下面的Java代碼:

Random rand =new Random(25);
int i;
i=rand.nextInt(100);
  初始化時25並沒有起直接作用(注意:不是沒有起作用),rand.nextInt(100);中的100是隨機數的上限,產生的隨機數為0-100的整數,不包括100。

  具體用法如下例:

復制代碼
package IO;

import java.util.ArrayList;
import java.util.Random;

public class TestRandom {

public static void main(String[] args) {
    
    // 案例2
    // 對於種子相同的Random對象,生成的隨機數序列是一樣的。
    Random ran1 = new Random(10);
    System.out.println("使用種子為10的Random對象生成[0,10)內隨機整數序列: ");
    for (int i = 0; i < 10; i++) {
        System.out.print(ran1.nextInt(10) + " ");
    }
    System.out.println();
    Random ran2 = new Random(10);
    System.out.println("使用另一個種子為10的Random對象生成[0,10)內隨機整數序列: ");
    for (int i = 0; i < 10; i++) {
        System.out.print(ran2.nextInt(10) + " ");
    }
    /**
     * 輸出結果為:
     * 
     * 使用種子為10的Random對象生成[0,10)內隨機整數序列: 
     * 3 0 3 0 6 6 7 8 1 4 
     * 使用另一個種子為10的Random對象生成[0,10)內隨機整數序列: 
     * 3 0 3 0 6 6 7 8 1 4 
     * 
     */
    
    // 案例3
    // 在沒帶參數構造函數生成的Random對象的種子缺省是當前系統時間的毫秒數。
    Random r3 = new Random();
    System.out.println();
    System.out.println("使用種子缺省是當前系統時間的毫秒數的Random對象生成[0,10)內隨機整數序列");
    for (int i = 0; i < 10; i++) {
        System.out.print(r3.nextInt(10)+" ");
    }
    /**
     * 輸出結果為:
     * 
     * 使用種子缺省是當前系統時間的毫秒數的Random對象生成[0,10)內隨機整數序列
     * 1 1 0 4 4 2 3 8 8 4
     *  
     */
    
    // 另外,直接使用Random無法避免生成重復的數字,如果需要生成不重復的隨機數序列,需要借助數組和集合類
    ArrayList list=new TestRandom().getDiffNO(10);
    System.out.println();
    System.out.println("產生的n個不同的隨機數:"+list);
}

/**
 * 生成n個不同的隨機數,且隨機數區間為[0,10)
 * @param n
 * @return
 */
public ArrayList getDiffNO(int n){
    // 生成 [0-n) 個不重復的隨機數
    // list 用來保存這些隨機數
    ArrayList list = new ArrayList();
    Random rand = new Random();
    boolean[] bool = new boolean[n];
    int num = 0;
    for (int i = 0; i < n; i++) {
        do {
            // 如果產生的數相同繼續循環
            num = rand.nextInt(n);
        } while (bool[num]);
        bool[num] = true;
        list.add(num);
    }
    return list;
}

}
復制代碼
備注:下面是Java.util.Random()方法摘要:

protected int next(int bits):生成下一個偽隨機數。
boolean nextBoolean():返回下一個偽隨機數,它是取自此隨機數生成器序列的均勻分布的boolean值。
void nextBytes(byte[] bytes):生成隨機字節並將其置於用戶提供的 byte 數組中。
double nextDouble():返回下一個偽隨機數,它是取自此隨機數生成器序列的、在0.0和1.0之間均勻分布的 double值。
float nextFloat():返回下一個偽隨機數,它是取自此隨機數生成器序列的、在0.0和1.0之間均勻分布float值。
double nextGaussian():返回下一個偽隨機數,它是取自此隨機數生成器序列的、呈高斯(“正態”)分布的double值,其平均值是0.0標准差是1.0。
int nextInt():返回下一個偽隨機數,它是此隨機數生成器的序列中均勻分布的 int 值。
int nextInt(int n):返回一個偽隨機數,它是取自此隨機數生成器序列的、在(包括和指定值(不包括)之間均勻分布的int值。
long nextLong():返回下一個偽隨機數,它是取自此隨機數生成器序列的均勻分布的 long 值。
void setSeed(long seed):使用單個 long 種子設置此隨機數生成器的種子。
下面給幾個例子:

生成[0,1.0)區間的小數:double d1 = r.nextDouble();
生成[0,5.0)區間的小數:double d2 = r.nextDouble() * 5;
生成[1,2.5)區間的小數:double d3 = r.nextDouble() * 1.5 + 1;
生成-231到231-1之間的整數:int n = r.nextInt();
生成[0,10)區間的整數:
    int n2 = r.nextInt(10);//方法一

    n2 = Math.abs(r.nextInt() % 10);//方法二
參考資料:

http://blog.sina.com.cn/s/blog_93dc666c0101h3gd.html

http://blog.csdn.net/wpjava/article/details/6004492


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM