Pure_PRNG——高質量偽隨機數生成器Py庫
阿新 • • 發佈：2021-07-14
這是20世紀60年代IBM發明的RANDU偽隨機數生成演算法的輸出值作三維視覺化的樣子。用每三個連續輸出值為一個點座標，會清楚看到，這些點只規則的分佈在三維空間中的15個平面上！導致那時期很多用到此演算法的論文結論都不可靠。
理想的偽隨機數生成點預期應該是均勻彌散在整個空間中。
RANDU演算法是線性同餘生成器（LCG）一類的。
LCG優點是簡潔快速，有清晰的數學推導，可計算實現超長週期的滿週期引數。
但是，缺點是有連續值之間的序列相關性，造成內在晶格結構。當用於生成n維空間中的點，引數精心選擇得當，點就會分佈在高維空間的超平面上。引數選擇不當，就會像RANDU那樣在低維空間的平面上就聚集了。
然後實現了內含這些演算法的偽隨機數生成器Py庫
原始碼放在GitHub上，
https://github.com/fsssosei/Pure_PRNG
已經發布到了PyPI上，可以很方便的安裝分發：
| PRNG演算法 | 週期 |
|---|---|
| Quadratic Congruential Generator(QCG)+混淆 | 2^256 |
| Cubic Congruential Generator(CCG)+混淆 | 2^256 |
| Inversive Congruential Generator(ICG) | 102*2^256 |
| PCG64_XSL_RR | 2^128 |
| PCG64_DXSM | 2^128 |
| LCG64_32_ext | 2^128 |
| LCG128Mix_XSL_RR | 2^128 |
| LCG128Mix_DXSM | 2^128 |
| LCG128Mix_MURMUR3 | 2^128 |
| PhiloxCounter | 4*2^(4*64) |
| ThreeFryCounter | 4*2^(4*64) |
| AESCounter | 2^128 |
| ChaChaCounter | 2^128 |
| SPECKCounter | 2^129 |
| XSM64 | 2^128 |
| EFIIX64 | 2^64 |
| SplitMix64 | 2^64 |
| Ran64 | 2^64 |
pip install pure-prng匯入
from pure_prng_package import pure_prng很簡單可以用起來，預設用的PRNG演算法是QCG
>>> seed = 170141183460469231731687303715884105727 #隨意寫的種子值 >>> prng_instance = pure_prng(seed) >>> source_random_number = prng_instance.source_random_number() >>> next(source_random_number) 65852230656997158461166665751696465914198450243194923777324019418213544382100QCG、CCG和LCG64_32_ext這三種是可變週期演算法
>>> prng_instance = pure_prng(seed, new_prng_period = 2 ** 512) >>> source_random_number = prng_instance.source_random_number() >>> next(source_random_number) 8375486648769878807557228126183349922765245383564825377649864304632902242469125910865615742661048315918259479944116325466004411700005484642554244082978452其他PRNG演算法是固定週期演算法 但是，庫中有method可設定輸出隨機數序列的週期（不論哪種PRNG演算法生成的隨機數）
>>> period = 115792089237316195423570985008687907853269984665640564039457584007913129639747 #隨意寫的週期 >>> prng_instance = pure_prng(seed) >>> rand_with_period = prng_instance.rand_with_period(period) >>> next(rand_with_period) mpz(65852230656997158461166665751696465914198450243194923777324019418213544381986)庫中還有method生成任意精度浮點隨機數
>>> seed = 170141183460469231731687303715884105727 >>> prng_instance = pure_prng(seed) >>> rand_float = prng_instance.rand_float(100) >>> next(rand_float) mpfr('0.56576176351048513846261940831522',100)