计算机中的随机数到底是随机的吗？ JS版

理解 JavaScript 的模拟随机性：深入研究 Math.random()

在编程中看似毫不费力地生成随机数常常掩盖了潜在的复杂性，特别是考虑到计算机固有的确定性本质。本文探讨了 JavaScript 如何使用 Math.random() 模拟随机性，揭示了生成我们所认为的随机数背后的机制。

计算中随机性的幻象

计算机的核心是按顺序执行指令。 那么，它们是如何产生随机出现的数字的呢？

伪随机数生成器 (PRNG)

Math.random()提供的“随机性”并不是真正的随机；它是伪随机的。 伪随机数生成器 (PRNG) 使用数学算法来创建表现出类似随机行为的数字序列。

PRNG 的主要特征：

1. 种子值： 起始值（种子）启动数字序列。 种子决定了整个序列。
2. 确定性行为：了解算法和种子可以预测整个数字序列。
3. 周期性： PRNG 在特定次数的迭代后不可避免地重复其序列。

JavaScript 的 Math.random() 通常使用 XorShift 或 Mersenne Twister 等算法（具体算法取决于 JavaScript 引擎，例如 Chrome 中的 V8）。

解码Math.random()

Math.random() 是 JavaScript 的主要随机数生成器。 其功能如下：

它产生一个介于 0（含）和 1（不包括）之间的浮点数。
示例包括 0.2315601941492、0.6874206142281 或 0.9912760919023。

<code class="language-javascript">// Random number between 0 and 1
console.log(Math.random());

// Random integer between 0 and 9
console.log(Math.floor(Math.random() * 10));

// Random number between 1 and 100
console.log(Math.floor(Math.random() * 100) + 1);</code>

Math.random()

的内部运作

该过程涉及以下步骤：

1. 使用初始种子值。 该种子通常源自系统时钟或其他独特来源。
2. 该算法对种子应用数学变换来创建一个新数字。
3. 这个新数字除以一个大常数（用于 0 和 1 之间的标准化）。
4. 每次调用 Math.random() 时都会重复此过程，生成序列中的下一个数字。

这种可预测的序列（给定种子）使其适合模拟和游戏，但不适合加密应用。

为什么真正的随机性仍然难以捉摸

Math.random() 的确定性算法意味着如果种子和算法已知，其序列是可重现的。 对于加密等安全敏感任务，使用 Web Crypto API 生成的加密安全随机数至关重要：

<code class="language-javascript">// Random number between 0 and 1
console.log(Math.random());

// Random integer between 0 and 9
console.log(Math.floor(Math.random() * 10));

// Random number between 1 and 100
console.log(Math.floor(Math.random() * 100) + 1);</code>

确定性系统中随机性的挑战

计算机的二进制性质（0 和 1）与随机性固有的不确定性发生冲突。 要有效地模拟随机性：

1. 外部来源：系统经常使用不可预测的外部数据（鼠标移动、击键、系统时钟）作为种子值。
2. 熵池：操作系统维护熵池，从各种来源收集噪声以增强随机性。

结论：必然的幻觉

计算机中的随机性是一种精心构造的幻觉，依赖于复杂的算法和初始种子。虽然 Math.random() 对于许多应用程序都很实用，但必须承认它的局限性和确定性。 为了安全性和真正的随机性，加密方法是必要的。

让我们欣赏决定论和驱动我们代码的模拟随机性之间有趣的相互作用！

以上是计算机中的随机数到底是随机的吗？ JS版的详细内容。更多信息请关注PHP中文网其他相关文章！