dream.in.java

          能以不變應萬變是聰明人做事的準則。萬事從小事做起,積累小成功,問鼎大成功,是成功者的秘訣。

          JAVA認證培訓輔導:隨機整數的生成

          使用Java 2 SDK基礎類庫產生隨機數的方法很多。但是如果你跟不上這些類庫的更新腳步,你有可能正在使用的是一種低效的隨機數生成機制,更糟糕的是:你有可能得到的不是均勻分布的隨機數。本文將向你展示一種較為可靠的隨機數生成方法,同時與其他方法進行比較。

            自從JDK最初版本發布起,我們就可以使用java.util.Random類產生隨機數了。在JDK1.2中,Random類有了一個名為nextInt()的方法:

            public int nextInt(int n)

            給定一個參數n,nextInt(n)將返回一個大于等于0小于n的隨機數,即:0 <= nextInt(n) < n。

            你所要做的就是先聲明一個Random的對象,在調用其nextInt(n)函數以返回隨機值。

            這里有個示例,下面的代碼段將生成很多隨機數并輸出它們的平均值:

          以下是引用片段:
            int count = 1000000;
            int range = Integer.MAX_VALUE / 3 * 2;
            double sum = 0;
            Random rand = new Random();
            for (int i=0; i 
            sum += rand.nextInt(range);
            }
            System.out.println(sum/count);


            執行了1000000次循環之后,得到的平均值基本上就處于隨機數范圍的中點(midpoint)。

            到目前為止,事情還并不復雜,但是我們會問為什么要使用nextInt(n)?考慮一下的隨機數生成方法:

            (1)使用老的方法nextInt(),沒有制定數值范圍

            (2)用Math.abs()靜態函數得到(1)中產生值的絕對值

            (3)對(2)的結果進行取模運算(%),得到期望范圍類的值

            我們說nextInt(n)要比上述方法更好,為什么呢?參考以下的代碼段:

          以下是引用片段:
            sum = 0;
            for (int i=0; i 
            sum += Math.abs(rand.nextInt()) % range;
            }
            System.out.println(sum/count);


            不難發現,每次循環都多出了幾步運算。事實上,這種隨機數生成的方法存在著以下三個問題:

            首先,nextInt()返回的值是趨于均勻分布在Integer.MIN_VALUE 和 Integer.MAX_VALUE之間的。如果你取Integer.MIN_VALUE的絕對值,得到的仍然不是一個正數。事實上,Math.abs(Integer.MIN_VALUE)等于Integer.MIN_VALUE。因此,存在著這樣一種情況(雖然很少見):rand.nextInt()=Integer.MIN_VALUE,經過取絕對值Math.abs(rand.nextInt())之后,得到是一個負數。這種幾率為 1/(2^31),在我們的測試中不太可能發生——循環次數只有1000000次。

            其次,當你對nextInt()取模時,你使結果的隨機性大打折扣。隨機數中較小的值出現的幾率更大一些。這就是眾所周知的偽隨機數生成,因此我們不是用取模的方法。

            最后,也可能是最糟糕的:隨機數不是均勻分布。如果你執行了上述的兩段代碼,第一段代碼的結果將會大于715,000,000,考慮到數值范圍的中點(midpoint)是715,827,882,所以這是一個可以接受的結果。然而,你會吃驚的發現第二段代碼得到的平均值肯定不會超過600,000,000。

            為何第二段代碼的結果會如此的偏差?糾其本質,問題出在數值分布的不均勻。當你進行取模運算時,你將過大的數轉換成了較小的。這使得較小的數更容易產生。

            使用nextInt(range)將會解決上述的三個問題。

            還有一種隨機數生成方法——使用Math.random()。這個方法的效果如何?

          以下是引用片段:
            sum = 0;
            for (int i=0; i 
            sum += (int)(Math.random() * range);
            }
            System.out.println(sum/count);


            很好,使用random()不會碰到nextInt()的麻煩。你不會得到負數返回值,沒有使用取模運算,值分布也是均勻的。還有什么問題嗎?你有沒有考慮到Math.random()使用了浮點運算,而nextInt()和nextInt(range)只有整數操作?Math.random()可能會慢上四倍。再加上從浮點到整數的類型轉換,整個運算將會更慢。

            好了,經過一番比較,我們發現使用nextInt(range)生成隨機數更為有效,因為它避免了其他方法的種種弊端。

            最后再給出一段代碼,通過測試可以比較本文提到的幾種隨機數生成方法。

          以下是引用片段:
            import java.util.*;
            import java.text.*;
            public class RandomTest {
            public static void main(String args[]) {
            NumberFormat nf = NumberFormat.getInstance();
            int count = 1000000;
            int range = Integer.MAX_VALUE / 3 * 2;
            System.out.println("Midpoint: " + nf.format(range/2));
            double sum = 0;
            Random rand = new Random();
            for (int i=0; i 
            sum += rand.nextInt(range);
            }
            System.out.println("Good : " + nf.format(sum/count));
            sum = 0;
            for (int i=0; i 
            sum += Math.abs(rand.nextInt()) % range;
            }
            System.out.println("Bad : " + nf.format(sum/count));
            sum = 0;
            for (int i=0; i 
            sum += (int)(Math.random() * range);
            }
            System.out.println("Longer : " + nf.format(sum/count));
            }
            }

          posted on 2009-03-28 19:07 YXY 閱讀(129) 評論(0)  編輯  收藏


          只有注冊用戶登錄后才能發表評論。


          網站導航:
          博客園   IT新聞   Chat2DB   C++博客   博問  
           
          主站蜘蛛池模板: 利津县| 新兴县| 吉林市| 新沂市| 利辛县| 乳源| 大渡口区| 扶绥县| 绍兴县| 英山县| 镇康县| 玛多县| 高雄县| 广宗县| 桓台县| 建阳市| 丹江口市| 城口县| 怀集县| 石渠县| 嘉禾县| 广丰县| 全椒县| 宜兰县| 射洪县| 栖霞市| 鸡泽县| 蒲江县| 大洼县| 沙河市| 胶南市| 岐山县| 虹口区| 清水县| 牡丹江市| 隆安县| 玉门市| 富川| 民和| 浑源县| 舞阳县|