隨機化算法——隨機數

　　概率算法的一個基本特征是對所求解問題的同一實例用同一概率算法求解兩次可能得到完全不同的效果。這兩次求解問題所需的時間甚至所得到的結果可能會有相當大的差別。一般情況下，可將概率算法大致分為四類:數值概率算法，蒙特卡羅(Monte Carlo)算法，拉斯維加斯(Las Vegas)算法和舍伍德(Sherwood)算法。

　　隨機數在概率算法設計中扮演著十分重要的角色。在現實計算機上無法產生真正的隨機數，因此在概率算法中使用的隨機數都是一定程度上隨機的，即偽隨機數。

　　產生隨機數最常用的方法是線性同余法。由線性同余法產生的隨機序列a1,a2,…,an滿足

　　1.a0=d

　　2.an=(b*an-1+c)mod m (n=1,2…….)

　　其中,b>0, c>=0, d>=m。d稱為該隨機序列的種子。

　　一般情況下，取gcd(m, b)=1，因此可取b為一素數。

　　這是一個隨機數類：

　　代碼

　　const unsigned long maxshort = 65535L;

　　const unsigned long multiplier = 1194211693L;

　　const unsigned long adder = 12345L;

　　class RandomNumber{

　　private:

　　// 當前種子

　　unsigned long randSeed;

　　public:

　　// 構造函數,默認值0表示由系統自動產生種子

　　RandomNumber(unsigned long s = 0);

　　// 產生0 ~ n-1之間的隨機整數

　　unsigned short Random(unsigned long n);

　　// 產生[0, 1) 之間的隨機實數

　　double fRandom();

　　};

　　2010年9月計算機等級考試成績查詢時間匯總

　　2011年計算機等級考試二級C++輔導筆記匯總

　　2011年上半年計算機等級考試報名時間匯總