Random类

Randomg类

Random类可以产生多种数据类型的随机数

Random类的常用方法：

a、public boolean nextBoolean()：是生成一个随机的boolean值，生成true和false的值几率相等，也就是都是50%的几率。

b、public double nextDouble()：是生成一个随机的double值，数值介于[0,1.0)之间。

c、public int nextInt()：是生成在-2^31到2^31-1之间int值。如果需要生成指定区间的int值，则需要进行一定的数学变换，具体可以参看下面的使用示例中的代码。

d、public int nextInt(int n)：是生成一个介于[0,n)的区间int值，包含0而不包含n。如果想生成指定区间int值，也需要进行一定的数学变换，具体参看下面的使用示例中的代码。

e、public void setSeed(long seed)：是重新设置Random对象中的种子数。设置完种子数以后的Random对象和相同种子数使用new关键字创建出的Random对象相同。

f、 public float nextFloat(int n)：返回下一个伪随机数，它是取自此随机数生成器序列的、在 0.0 和 1.0 之间均匀分布的  float 值。

g、 public long nextLong():返回下一个伪随机数，它是取自此随机数生成器序列的均匀分布的 long 值。

h、public double nextGaussian():返回下一个伪随机数，它是取自此随机数生成器序列的、呈高斯（“正态”）分布的 double 值，其平均值是 0.0，标准差是 1.0。

Random类使用例子：

使用Random类，一般是生成指定区间的随机数字，下面就一一介绍如何生成对应区间的随机数字。以下生成随机数的代码均使用以下Random对象r进行生成：

 

Random r = new Random();

a、生成[0,1.0)区间的小数

 double d1 = r.nextDouble();//直接使用nextDouble方法获得。

 

b、生成[0,5.0)区间的小数

 double d2 = r.nextDouble() * 5;//因为扩大5倍即是要求的区间。同理，生成[0,d)区间的随机小数，d为任意正的小数，则只需要将nextDouble方法的返回值乘以d即可。

 

c、生成[1,2.5)区间的小数

double d3 = r.nextDouble() * 1.5 + 1;//生成[1,2.5)区间的随机小数，则只需要首先生成[0,1.5)区间的随机数字，然后将生成的随机数区间加1即可。

 

同理，生成任意非从0开始的小数区间[d1,d2)范围的随机数字(其中d1不等于0)，则只需要首先生成[0,d2-d1)区间的随机数字，然后将生成的随机数字区间加上d1即可。

d、生成任意整数(-2^31到2^31-1之间)

   int n1 = r.nextInt();//直接使用nextInt方法即可。

 

e、生成[0,10)区间的整数

      int n2 = r.nextInt(10);

      n2 = Math.abs(r.nextInt() % 10);

以上两行代码均可生成[0,10)区间的整数。

第一种实现使用Random类中的nextInt(int n)方法直接实现。

第二种实现中，首先调用nextInt()方法生成一个任意的int数字，该数字和10取余以后生成的数字区间为(-10,10)，然后再对该区间求绝对值，则得到的区间就是[0,10)了。

同理，生成任意[0,n)区间的随机整数，都可以使用如下代码：

      int n2 = r.nextInt(10);

      n2 = Math.abs(r.nextInt() % 10);

f、生成[0,10]区间的整数

int n3 = r.nextInt(11);

n3 = Math.abs(r.nextInt() % 11);

相对于整数区间，[0,10]区间和[0,11)区间等价，所以即生成[0,11)区间的整数。

g、生成[-3,15)区间的整数

int n4 = r.nextInt(18) - 3;

n4 = Math.abs(r.nextInt() % 18) - 3;

生成非从0开始区间的随机整数，可以参看上面非从0开始的小数区间实现原理的说明。

h、几率实现

按照一定的几率实现程序逻辑也是随机处理可以解决的一个问题。下面以一个简单的示例演示如何使用随机数字实现几率的逻辑。

在前面的方法介绍中，nextInt(int n)方法中生成的数字是均匀的，也就是说该区间内部的每个数字生成的几率是相同的。那么如果生成一个[0,100)区间的随机整数，则每个数字生成的几率应该是相同的，而且由于该区间中总计有100个整数，所以每个数字的几率都是1%。按照这个理论，可以实现程序中的几率问题。

示例：随机生成一个整数，该整数以55%的几率生成1，以40%的几率生成2，以5%的几率生成3。实现的代码如下：

int n5 = r.nextInt(100);
int m; //结果数字
if(n5 < 55){ //55个数字的区间，55%的几率
　　m = 1;
　　　　}else if(n5 < 95){
　　　　//[55,95)，40个数字的区间，40%的几率
　　　　　m = 2;
　　　　}else{
　　　　　m = 3;
　　}

因为每个数字的几率都是1%，则任意55个数字的区间的几率就是55%，为了代码方便书写，这里使用[0,55)区间的所有整数，后续的原理一样。

当然，这里的代码可以简化，因为几率都是5%的倍数，所以只要以5%为基础来控制几率即可，下面是简化的代码实现：

        int n6 = r.nextInt(20);
              int m1;
              if(n6 < 11){
                       m1 = 1;
              }else if(n6 < 19){
                       m1= 2;
              }else{
                       m1 = 3;
              }