计算机中的随机数到底是随机的吗？ JS版

本篇文章向大家介绍《计算机中的随机数到底是随机的吗？ JS版》，主要包括，具有一定的参考价值，需要的朋友可以参考一下。

深入探讨JavaScript中的math.random()函数：伪随机数的奥秘

编程中的随机性似乎与计算机的确定性运行模式相悖。本文将深入探讨JavaScript的math.random()函数如何模拟随机性，以及计算机生成“随机数”的底层机制。

计算机如何制造“随机性”？

计算机的运行基于确定性逻辑，那么“随机数”从何而来？

伪随机数生成器 (PRNG)

math.random()并非生成真正的随机数，而是伪随机数。伪随机数生成器 (PRNG) 利用数学公式或算法生成看似随机的数字序列。

PRNG的关键特征：

1. 种子值: PRNG从一个初始值（种子）开始。种子决定了生成的数字序列。
2. 确定性: 已知种子和算法，即可预测生成的序列。
3. 周期性: PRNG生成的序列最终会重复。

JavaScript的math.random()通常基于Xorshift或Mersenne Twister算法（具体实现取决于JavaScript引擎，例如Chrome的V8引擎）。

math.random()的工作原理

math.random()是JavaScript中常用的随机数生成方法：

它返回0（包含）到1（不包含）之间的浮点数。例如，math.random()可能返回0.2315601941492、0.6874206142281或0.9912760919023等。

// 生成0到1之间的随机数
console.log(Math.random());

// 生成0到9之间的随机整数
console.log(Math.floor(Math.random() * 10));

// 生成1到100之间的随机数
console.log(Math.floor(Math.random() * 100) + 1);

math.random()的步骤分解

1. 种子值初始化生成器。在大多数JavaScript引擎中，种子可能来自系统时钟或其他唯一值。
2. 算法对种子进行一系列数学变换，产生新数字。
3. 新数字除以一个大常数（标准化为0到1之间）。
4. 每次调用math.random()都重复此过程，生成序列中的下一个数字。

已知种子，则序列是可预测的，适用于模拟或游戏，但不适合加密。

为什么math.random()不是真正的随机数？

math.random()依赖于确定性算法，已知初始种子和算法，即可复制数字序列。对于加密等安全应用，需要加密安全的随机数，可以使用Web Crypto API：

// 加密安全的随机值
const array = new Uint32Array(5);
window.crypto.getRandomValues(array);
console.log(array);

计算机为何难以生成真正的随机数？

计算机基于二进制逻辑（0和1），随机性引入的不确定性与确定性系统相冲突。模拟随机性方法：

1. 外部输入: 使用外部不可预测的数据（如鼠标移动、按键或系统时钟）作为初始种子。
2. 熵池: 操作系统维护熵池，收集各种噪声以增强随机性。

结论

计算机中的随机性是通过复杂算法和初始种子精心模拟的。math.random()方便快捷，但需理解其局限性和确定性本质。对于需要真正随机性和安全性的任务，请使用加密方法。

让我们欣赏决定论与随机性之间的奇妙互动，为我们的代码注入活力！

好了，本文到此结束，带大家了解了《计算机中的随机数到底是随机的吗？ JS版》，希望本文对你有所帮助！关注golang学习网公众号，给大家分享更多文章知识！