Первое случайное число после setSeed в Java всегда похоже

Ответ 1

Класс Random предназначен для низкого источника служебных данных псевдослучайных чисел. Но следствием реализации "низкой накладной" является то, что числовой поток обладает свойствами, которые далеко не идеальны... со статистической точки зрения. Вы столкнулись с одним из недостатков. Random документируется как линейный конгруэнтный генератор, и свойства таких генераторов хорошо известны.

Существует множество способов борьбы с этим. Например, если вы будете осторожны, вы можете скрыть некоторые из наиболее очевидных "бедных" характеристик. (Но вам советуют запускать статистические тесты. Вы не можете видеть неслучайность в шуме, добавленном к вашему второму изображению, но он все еще может быть там.)

В качестве альтернативы, если вы хотите, чтобы псевдослучайные числа гарантировали хорошие статистические свойства, вы должны использовать SecureRandom вместо Random. Он имеет значительно более высокие накладные расходы, но вы можете быть уверены, что многие "умные люди" потратили бы много времени на разработку, тестирование и анализ алгоритмов.

Наконец, относительно просто создать подкласс Random, который использует альтернативный алгоритм для генерации чисел; см. ссылка. Проблема в том, что вам нужно выбрать (или разработать) и реализовать соответствующий алгоритм.

Вызов этой проблемы "" является спорным. Это хорошо известное и понятное свойство LCG, и использование LCG было разумным техническим выбором. Людям нужны низкие накладные PRNG, но низкие накладные PRNG имеют плохие свойства. TANSTAAFL.

Разумеется, это не то, что Oracle созерцало бы изменение в Random. Действительно, причины не меняются четко изложены в javadoc для класса Random.

"Чтобы гарантировать это свойство, для класса Random указаны конкретные алгоритмы. Реализации Java должны использовать все алгоритмы, показанные здесь для класса Random, для абсолютной переносимости кода Java."

Ответ 2

Это известная проблема. Подобное семя будет генерировать аналогичные несколько первых значений. Случайный не был предназначен для использования таким образом. Вы должны создать экземпляр с хорошим семенем и затем генерировать умеренно размерную последовательность "случайных" чисел.

Ваше текущее решение в порядке - пока оно выглядит хорошо и достаточно быстро. Вы также можете рассмотреть возможность использования функций хэширования/микширования, которые были разработаны для решения вашей проблемы (а затем, при необходимости, с использованием вывода в качестве семени). Например, см. Параметрическая случайная функция для генерации двумерного шума

Ответ 3

Извлеките setSeed из цикла. Java PRNG представляет собой линейный конгруэнтный генератор, поэтому гарантированное получение его последовательными значениями дает результаты, которые коррелируют между итерациями цикла.

ДОПОЛНЕНИЕ

Я отбросил это, прежде чем выбежать из двери на встречу, и теперь успею проиллюстрировать то, что я говорил выше.

Я написал небольшой Ruby script, который реализует мультипликативный линейный конгруэнтный генератор с множественным модулем Schrage. Я создаю экземпляр двух копий LCG, оба высеяны со значением 1. Однако на каждой итерации выходного цикла я переставляю второй на основе индекса цикла. Здесь код:

# Implementation of a Linear Congruential Generator (LCG)
class LCG
  attr_reader :state
  M = (1 << 31) - 1    # Modulus = 2**31 - 1, which is prime

  # constructor requires setting a seed value to use as initial state
  def initialize(seed)
    reseed(seed)
  end

  # users can explicitly reset the seed.
  def reseed(seed)
    @state = seed.to_i
  end

  # Schrage portable prime modulus multiplicative LCG
  def value
    @state = 16807 * @state % M
    # return the generated integer value AND its U(0,1) mapping as an array
    [@state, @state.to_f / M]
  end
end

if __FILE__ == $0
  # create two instances of LCG, both initially seeded with 1
  mylcg1 = LCG.new(1)
  mylcg2 = LCG.new(1)
  puts "   default progression     manual reseeding"
  10.times do |n|
    mylcg2.reseed(1 + n)  # explicitly reseed 2nd LCG based on loop index
    printf "%d %11d %f %11d %f\n", n, *mylcg1.value, *mylcg2.value
  end
end

и здесь вывод, который он производит:

   default progression     manual reseeding
0       16807 0.000008       16807 0.000008
1   282475249 0.131538       33614 0.000016
2  1622650073 0.755605       50421 0.000023
3   984943658 0.458650       67228 0.000031
4  1144108930 0.532767       84035 0.000039
5   470211272 0.218959      100842 0.000047
6   101027544 0.047045      117649 0.000055
7  1457850878 0.678865      134456 0.000063
8  1458777923 0.679296      151263 0.000070
9  2007237709 0.934693      168070 0.000078

Столбцы - это число итераций, за которым следует базовое целое, генерируемое LCG, и результат при масштабировании до диапазона (0,1). Левый набор столбцов показывает естественную прогрессию LCG, когда разрешено действовать самостоятельно, а правый набор показывает, что происходит, когда вы повторяетесь на каждой итерации.