<rt id="bn8ez"></rt>
<label id="bn8ez"></label>

  • <span id="bn8ez"></span>

    <label id="bn8ez"><meter id="bn8ez"></meter></label>

    dream.in.java

    能以不變應萬變是聰明人做事的準則。萬事從小事做起,積累小成功,問鼎大成功,是成功者的秘訣。

    JAVA認證培訓輔導:隨機整數的生成

    使用Java 2 SDK基礎類庫產生隨機數的方法很多。但是如果你跟不上這些類庫的更新腳步,你有可能正在使用的是一種低效的隨機數生成機制,更糟糕的是:你有可能得到的不是均勻分布的隨機數。本文將向你展示一種較為可靠的隨機數生成方法,同時與其他方法進行比較。

      自從JDK最初版本發布起,我們就可以使用java.util.Random類產生隨機數了。在JDK1.2中,Random類有了一個名為nextInt()的方法:

      public int nextInt(int n)

      給定一個參數n,nextInt(n)將返回一個大于等于0小于n的隨機數,即:0 <= nextInt(n) < n。

      你所要做的就是先聲明一個Random的對象,在調用其nextInt(n)函數以返回隨機值。

      這里有個示例,下面的代碼段將生成很多隨機數并輸出它們的平均值:

    以下是引用片段:
      int count = 1000000;
      int range = Integer.MAX_VALUE / 3 * 2;
      double sum = 0;
      Random rand = new Random();
      for (int i=0; i 
      sum += rand.nextInt(range);
      }
      System.out.println(sum/count);


      執行了1000000次循環之后,得到的平均值基本上就處于隨機數范圍的中點(midpoint)。

      到目前為止,事情還并不復雜,但是我們會問為什么要使用nextInt(n)?考慮一下的隨機數生成方法:

      (1)使用老的方法nextInt(),沒有制定數值范圍

      (2)用Math.abs()靜態函數得到(1)中產生值的絕對值

      (3)對(2)的結果進行取模運算(%),得到期望范圍類的值

      我們說nextInt(n)要比上述方法更好,為什么呢?參考以下的代碼段:

    以下是引用片段:
      sum = 0;
      for (int i=0; i 
      sum += Math.abs(rand.nextInt()) % range;
      }
      System.out.println(sum/count);


      不難發現,每次循環都多出了幾步運算。事實上,這種隨機數生成的方法存在著以下三個問題:

      首先,nextInt()返回的值是趨于均勻分布在Integer.MIN_VALUE 和 Integer.MAX_VALUE之間的。如果你取Integer.MIN_VALUE的絕對值,得到的仍然不是一個正數。事實上,Math.abs(Integer.MIN_VALUE)等于Integer.MIN_VALUE。因此,存在著這樣一種情況(雖然很少見):rand.nextInt()=Integer.MIN_VALUE,經過取絕對值Math.abs(rand.nextInt())之后,得到是一個負數。這種幾率為 1/(2^31),在我們的測試中不太可能發生——循環次數只有1000000次。

      其次,當你對nextInt()取模時,你使結果的隨機性大打折扣。隨機數中較小的值出現的幾率更大一些。這就是眾所周知的偽隨機數生成,因此我們不是用取模的方法。

      最后,也可能是最糟糕的:隨機數不是均勻分布。如果你執行了上述的兩段代碼,第一段代碼的結果將會大于715,000,000,考慮到數值范圍的中點(midpoint)是715,827,882,所以這是一個可以接受的結果。然而,你會吃驚的發現第二段代碼得到的平均值肯定不會超過600,000,000。

      為何第二段代碼的結果會如此的偏差?糾其本質,問題出在數值分布的不均勻。當你進行取模運算時,你將過大的數轉換成了較小的。這使得較小的數更容易產生。

      使用nextInt(range)將會解決上述的三個問題。

      還有一種隨機數生成方法——使用Math.random()。這個方法的效果如何?

    以下是引用片段:
      sum = 0;
      for (int i=0; i 
      sum += (int)(Math.random() * range);
      }
      System.out.println(sum/count);


      很好,使用random()不會碰到nextInt()的麻煩。你不會得到負數返回值,沒有使用取模運算,值分布也是均勻的。還有什么問題嗎?你有沒有考慮到Math.random()使用了浮點運算,而nextInt()和nextInt(range)只有整數操作?Math.random()可能會慢上四倍。再加上從浮點到整數的類型轉換,整個運算將會更慢。

      好了,經過一番比較,我們發現使用nextInt(range)生成隨機數更為有效,因為它避免了其他方法的種種弊端。

      最后再給出一段代碼,通過測試可以比較本文提到的幾種隨機數生成方法。

    以下是引用片段:
      import java.util.*;
      import java.text.*;
      public class RandomTest {
      public static void main(String args[]) {
      NumberFormat nf = NumberFormat.getInstance();
      int count = 1000000;
      int range = Integer.MAX_VALUE / 3 * 2;
      System.out.println("Midpoint: " + nf.format(range/2));
      double sum = 0;
      Random rand = new Random();
      for (int i=0; i 
      sum += rand.nextInt(range);
      }
      System.out.println("Good : " + nf.format(sum/count));
      sum = 0;
      for (int i=0; i 
      sum += Math.abs(rand.nextInt()) % range;
      }
      System.out.println("Bad : " + nf.format(sum/count));
      sum = 0;
      for (int i=0; i 
      sum += (int)(Math.random() * range);
      }
      System.out.println("Longer : " + nf.format(sum/count));
      }
      }

    posted on 2009-03-28 19:07 YXY 閱讀(130) 評論(0)  編輯  收藏


    只有注冊用戶登錄后才能發表評論。


    網站導航:
     
    主站蜘蛛池模板: 国产男女爽爽爽爽爽免费视频| 在线观看人成视频免费无遮挡| 亚洲精品岛国片在线观看| 国产AV旡码专区亚洲AV苍井空| 羞羞漫画小舞被黄漫免费| 好吊妞在线成人免费| 亚洲日本久久一区二区va| 一级毛片免费播放视频| 亚洲区不卡顿区在线观看| japanese色国产在线看免费| 国产精品亚洲不卡一区二区三区 | 九九精品国产亚洲AV日韩| 成人免费无毒在线观看网站| 亚洲中文精品久久久久久不卡| 成人毛片免费网站| 国产精品亚洲专区无码WEB| 免费人成视频x8x8入口| 亚洲国产精品免费视频| 91麻豆国产免费观看| 亚洲午夜成人精品电影在线观看| 亚洲第一视频在线观看免费| 国产V亚洲V天堂无码| 精品国产无限资源免费观看| 国产亚洲福利在线视频| 国产精品无码一二区免费| a免费毛片在线播放| 久久亚洲AV成人出白浆无码国产| 日本妇人成熟免费中文字幕| 亚洲AV无码成人精品区天堂| 99免费观看视频| 在线aⅴ亚洲中文字幕| 亚洲精品国产精品乱码不卞 | 69影院毛片免费观看视频在线 | 精品视频免费在线| 成人免费午夜无码视频| 亚洲AV永久无码精品成人| 全免费毛片在线播放| 男女交性无遮挡免费视频| 国产高清免费在线| 最新久久免费视频| 亚洲已满18点击进入在线观看|