当前位置:首页 > 文章列表 > 文章 > java教程 > JavaRandom类随机数生成全解析

JavaRandom类随机数生成全解析

2026-02-04 19:01:33 0浏览 收藏

最近发现不少小伙伴都对文章很感兴趣,所以今天继续给大家介绍文章相关的知识,本文《Java Random类生成随机数方法解析》主要内容涉及到等等知识点,希望能帮到你!当然如果阅读本文时存在不同想法,可以在评论中表达,但是请勿使用过激的措辞~

Random类位于java.util包,通过实例化生成伪随机数;无参构造以系统时间作种子,带参构造用固定种子可复现序列;提供nextInt()、nextDouble()等方法生成不同类型随机值;指定范围整数可用rand.nextInt(max-min)+min实现;多线程推荐ThreadLocalRandom。

Java Random类如何生成随机数

Java中的Random类用于生成伪随机数,它位于java.util包中。通过创建Random对象,可以生成各种类型的随机数,比如整数、浮点数、布尔值等。

创建Random对象

使用Random类前需要先实例化它:

  • 无参构造函数:使用当前系统时间作为种子,每次运行程序生成的序列不同。
  • 带种子的构造函数:传入一个固定的long型种子,相同种子会生成相同的随机序列,适合调试或测试。

示例代码:

import java.util.Random;

Random rand = new Random(); // 默认种子 Random randFixed = new Random(123); // 固定种子

生成不同类型的随机数

通过调用Random对象的不同方法,可以获得所需类型的随机值:

  • nextInt():返回一个随机整数(int范围)。
  • nextInt(int bound):返回一个介于0(含)和bound(不含)之间的整数,常用于生成指定范围内的随机数。
  • nextDouble():返回一个介于0.0(含)和1.0(不含)之间的双精度浮点数。
  • nextFloat():返回0.0到1.0之间的单精度浮点数。
  • nextBoolean():以约50%的概率返回true或false。
  • nextLong():返回一个随机长整型数。
  • nextGaussian():返回均值为0.0、标准差为1.0的高斯分布(正态分布)值。

示例:

int randomInt = rand.nextInt(100);     // 0 到 99 的随机整数
double randomDouble = rand.nextDouble(); // 0.0 到 1.0 之间的随机小数
boolean randomBool = rand.nextBoolean();

生成指定范围的随机数技巧

如果想生成某个范围内的随机整数,例如从到(包含a不包含b),可以这样写:

int min = 10;
int max = 20;
int randomInRange = rand.nextInt(max - min) + min;  // 10 到 19

若要包含最大值,可改为:rand.nextInt(max - min + 1) + min

对于浮点数范围,类似处理:

double d = rand.nextDouble() * (max - min) + min;

基本上就这些。Random类简单易用,适合大多数非加密场景下的随机需求。注意多线程环境下建议使用ThreadLocalRandom替代,性能更好且线程安全。

好了,本文到此结束,带大家了解了《JavaRandom类随机数生成全解析》,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!

2026政审材料清单及准备指南2026政审材料清单及准备指南
上一篇
2026政审材料清单及准备指南
Windows11HDR显示发白怎么处理
下一篇
Windows11HDR显示发白怎么处理
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    404次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    480次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    492次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    436次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    262次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码