我最近偶然发现了一篇关于 Java 中伪随机数的文章，其中提到了默认算法中的潜在弱点，称为线性同余生成器 (LCG)，并提供了一些替代方案。其中我发现Xorshift 生成器很有趣。所以我戴上我的研究员的帽子，潜入寻找更多信息。
事实证明，它实现起来非常简单，运行时速度非常快，听起来很棒。问题是该方法是否比默认的 LCG 算法有显着的改进。为了弄清楚这一点，我通读了Marsaglia 介绍该方法的原始论文，以及Panneton 和 L'ecuyer的相当严厉的批评/分析。我不能声称我一直遵循数学，所以我不确定该方法是否比 LCG 更上一层楼，这让我想到了我的第一个问题：
问题 1： Xorshift 是否比java 使用的基于 LCG 的默认 RNG更上一层楼？
Panneton 和 L'ecuyer 提出了参数选择的问题，并指出仅 3 位移位可能还不够。我最近对哈希函数进行了一些研究（这是我在 StackOverflow 上提出的一个相关问题）。我想知道是否可以通过这样的方式改进 3-bitshift 方法？
long lhash = prime * (hash1 ^ hash2);然后使用(int)((lhash >> 32) ^ lhash)
根据@whuber 的评论，更改 RNG 的具体细节是一件棘手的事情，因此这可能会很棘手，但我会很感激任何关于如何修正 Xorshift RNG 中的弱点的想法/线索。问题2：可以做些什么来提高Xorshift算法的“整体性能”？（请注意，我在这里不是指计算性能）
最后一点，我想做的是生成伪随机 Gussians，以模拟类型的数字，其中是的高斯。出于这个原因，我不太热衷于添加依赖项，而且我还认为在这一点上使用SecureRandom有点矫枉过正。rand