根据这篇论文，
理想情况下，伪随机数生成器会产生以下数字流：
- 是均匀分布的，
- 不相关，
- 从不重蹈覆辙，
- 满足任何随机性统计检验，
- 可重现（用于调试目的），
- 便携（在任何计算机上都一样），
- 可以通过调整初始“种子”值来改变，
- 可以很容易地分成许多独立的子序列
- 可以使用有限的计算机内存快速生成
但是，正如论文所暗示的，不可能同时满足所有标准。我很想知道不同的 PRNG 如何满足每个标准。我真的很想找到对每个 PRNG 的优缺点进行彻底讨论的参考，但我也愿意接受任何启发式方法:)
各种伪随机数发生器的质量测量
计算科学
参考请求
随机数生成
2021-12-12 11:37:12
3个回答
我认为这本书Numerical Recipes--The Art of Scientific Computing,William H 等人在第 7 章中讨论了每个 PRNG 的优缺点。如果你想自己测试不同的 PRNG，你可以试试TestU01套件，该套件由L'Ecuyer 和 Richard Simard，该套件包含 3 个预定义的电池（SmallCrush、Crush 和 BigCrush），为测试提供不同级别的彻底性。大多数PRNG甚至像LCG一样可以通过SmallCrush，这大致相当于Diehard Battery，有些可能会通过Crush，但很少有人会通过BigCrush。它还在表格中总结了不同流行 PRNG 的测试结果。
我相信 Knuth 的《计算机编程艺术》一书专门针对随机数。它可能不是最新的，但它将是我开始阅读的地方。
这个包我很幸运： http ://www.phy.duke.edu/~rgb/General/dieharder.php
这是顽固的测试 + 一大套其他测试都上升到偏执水平，它输出实际指标！正如问题所建议的那样。
在我的硕士论文中，我在这个兔子洞里跑了一段路，该论文讨论了粘性流动是如何受到大量随机障碍物的影响的。在我的调查中，我发现随机球包装实际上是顽固测试套件的一部分，获得好的随机数很难。. . 在相关说明中，我还建议阅读此书以及相关的巨魔亚马逊评论： http ://www.amazon.com/Million-Random-Digits-Normal-Deviates/dp/0833030477