11、随机数生成算法的探索与评估

随机数生成算法的探索与评估

1. 物理规则与随机数生成的背景

物理的数学规则既与确定性宇宙相符，也与存在真正随机性的非确定性宇宙相契合，甚至还与“多世界”情景一致。在计算机领域，计算机本应是完全服从指令的，然而当我们要求计算机生成随机数时，这就如同要求一个确定性机器产生非确定性的结果，这显然是不可能的。所以，我们设计了伪随机数生成算法来尽可能模拟真正的随机数。

2. 线性同余生成器（LCG）

• 算法原理 ：线性同余生成器（LCG）是一种简单的伪随机数生成器。实现该算法需要选择三个数 (n_1)、(n_2) 和 (n_3)，从一个自然数（如 1）开始，通过以下公式得到下一个数：
  [next = (previous \times n_1 + n_2) \mod n_3]
  在 Python 中，用 % 代替 mod ，完整的 LCG 函数如下：

def next_random(previous,n1,n2,n3):
    the_next = (previous * n1 + n2) % n3
    return(the_next)

• 生成随机数列表 ：为了更好地判断该算法生成伪随机数的能力，我们可以创建一个函数来生成一系列随机数。

def list_random(n1,n2