| http://dbpedia.org/ontology/abstract
|
A pseudorandom number generator (PRNG), al … A pseudorandom number generator (PRNG), also known as a deterministic random bit generator (DRBG), is an algorithm for generating a sequence of numbers whose properties approximate the properties of sequences of random numbers. The PRNG-generated sequence is not truly random, because it is completely determined by an initial value, called the PRNG's seed (which may include truly random values). Although sequences that are closer to truly random can be generated using hardware random number generators, pseudorandom number generators are important in practice for their speed in number generation and their reproducibility. PRNGs are central in applications such as simulations (e.g. for the Monte Carlo method), electronic games (e.g. for procedural generation), and cryptography. Cryptographic applications require the output not to be predictable from earlier outputs, and more elaborate algorithms, which do not inherit the linearity of simpler PRNGs, are needed. Good statistical properties are a central requirement for the output of a PRNG. In general, careful mathematical analysis is required to have any confidence that a PRNG generates numbers that are sufficiently close to random to suit the intended use. John von Neumann cautioned about the misinterpretation of a PRNG as a truly random generator, joking that "Anyone who considers arithmetical methods of producing random digits is, of course, in a state of sin." digits is, of course, in a state of sin."
, En pseudoslumptalsgenerator är en algoritm … En pseudoslumptalsgenerator är en algoritm för att producera ett skenbart slumpmässigt serietal. Med pseudo åsyftas att en algoritm nödvändigtvis är deterministisk, det vill säga i princip förutsägbar. "Sanna" slumptal, av den typ som enligt rådande uppfattning om fysikens lagar kan produceras av en hårdvarubaserad slumptalsgenerator (exempelvis genom tärningskast), kan därför inte genereras av en algoritm. Däremot är det möjligt att på algoritmisk väg producera tal som är "tillräckligt slumpmässiga" för så gott som alla praktiska syften. Slumptal används av många olika typer av programvara, exempelvis inom kryptografi, Monte Carlo-algoritmer, vetenskapliga simuleringar, och datorspel.vetenskapliga simuleringar, och datorspel.
, 擬似乱数（ぎじらんすう、pseudorandom numbers）は、乱数列のように … 擬似乱数（ぎじらんすう、pseudorandom numbers）は、乱数列のように見えるが、実際には確定的な計算によって求めている擬似乱数列による乱数。擬似乱数列を生成する機器を擬似乱数列生成器、生成アルゴリズムを擬似乱数列生成法と呼ぶ。 真の乱数列は本来、規則性も再現性もないものであるため、本来は確定的な計算によって求めることはできない（例：サイコロを振る時、今までに出た目から次に出る目を予測するのは不可能）。一方、擬似乱数列は確定的な計算によって作るので、その数列は確定的であるうえ、生成法と内部状態が既知であれば、予測可能でもある。 ある擬似乱数列を、真の乱数列とみなして良いかを確実に決定することはできない。シミュレーション等の一般的な用途には、対象とする乱数列の統計的な性質が、使用対象とする目的に合致しているかどうかを判断する。これを検定と言い、各種の方法が提案されている。 しかし、特に暗号に使用する擬似乱数列については注意が必要であり、シミュレーション等には十分な擬似乱数列生成法であっても、暗号にそのまま使用できるとは限らない。暗号で使用する擬似乱数列についてはおよび暗号論的擬似乱数生成器の記事を参照。らない。暗号で使用する擬似乱数列についてはおよび暗号論的擬似乱数生成器の記事を参照。
, Un generador pseudoaleatorio de números (G … Un generador pseudoaleatorio de números (GPAN) es un algoritmo que produce una sucesión de números que es una muy buena aproximación a un conjunto aleatorio de números. La sucesión no es exactamente aleatoria en el sentido de que queda completamente determinada por un conjunto relativamente pequeño de valores iniciales, llamados el estado del GPAN. Si bien es posible generar sucesiones mediante que son mejores aproximaciones a una sucesión aleatoria, los números pseudoaleatorios son importantes en la práctica para simulaciones (por ejemplo, de sistemas físicos mediante el método de Montecarlo), y desempeñan un papel central en la criptografía. La mayoría de los algoritmos de generadores pseudoaleatorios producen sucesiones que poseen una distribución uniforme según varios tipos de pruebas. Las clases más comunes de estos algoritmos son , , desplazamiento de registros con retroalimentación lineal y desplazamientos de registros con retroalimentación generalizada. Entre los desarrollos más recientes de algoritmos pseudoaleatorios se encuentran Blum Blum Shub, , y el Mersenne twister. Se requiere de un cuidadoso análisis matemático para tener algún tipo de confianza en que un dado GPAN genera números que son suficientemente "aleatorios" para ser útiles para el propósito para el que se los precisa. Robert R. Coveyou del Oak Ridge National Laboratory escribió un artículo titulado «La generación de números aleatorios es demasiado importante como para ser dejado al azar».Y como John von Neumann decía en broma, «todo el que desarrolla métodos aritméticos para producir dígitos aleatorios esta desde luego en pecado».s aleatorios esta desde luego en pecado».
, Генератор псевдослучайных чисел (ГПСЧ, анг … Генератор псевдослучайных чисел (ГПСЧ, англ. pseudorandom number generator, PRNG) — алгоритм, порождающий последовательность чисел, элементы которой почти независимы друг от друга и подчиняются заданному распределению (обычно дискретному равномерному). Современная информатика широко использует псевдослучайные числа в самых разных приложениях — от метода Монте-Карло и имитационного моделирования до криптографии. При этом от качества используемых ГПСЧ напрямую зависит качество получаемых результатов. Это обстоятельство подчёркивает известный афоризм математика ORNL Роберта Кавью: «генерация случайных чисел слишком важна, чтобы оставлять её на волю случая».важна, чтобы оставлять её на волю случая».
, Un générateur de nombres pseudo-aléatoires … Un générateur de nombres pseudo-aléatoires, pseudorandom number generator (PRNG) en anglais, est un algorithme qui génère une séquence de nombres présentant certaines propriétés du hasard. Par exemple, les nombres sont supposés être suffisamment indépendants les uns des autres, et il est potentiellement difficile de repérer des groupes de nombres qui suivent une certaine règle (comportements de groupe). Un algorithme déterministe génère des suites de nombres qui ne peuvent pas satisfaire complètement les critères mathématiques qualifiant les suites aléatoires. On les appelle suites pseudo-aléatoires, car leurs propriétés s'approchent seulement des propriétés idéales des suites aléatoires parfaites. Comme le faisait remarquer ironiquement John von Neumann : « Quiconque considère des méthodes arithmétiques pour produire des nombres aléatoires » disait-il « est, bien sûr, en train de commettre un péché ». De vrais nombres aléatoires peuvent être produits avec du matériel qui tire parti de certaines propriétés physiques stochastiques (bruit électronique d'une résistance par exemple). Les méthodes pseudo-aléatoires sont souvent employées sur des ordinateurs, dans diverses tâches comme la méthode de Monte-Carlo, la simulation, l'analyse numérique, la programmation (génération de tests), l'aide à la décision, les applications cryptographiques, les algorithmes probabilistes et les jeux. Différentes raisons justifient de se satisfaire d’un rendu pseudo-aléatoire, parmi lesquelles :
* il est difficile d’obtenir des nombres véritablement aléatoires et, dans certaines situations, l'utilisation de nombre pseudo-aléatoires suffit en lieu et place de nombres réellement aléatoires, c'est le cas des algorithmes de Las Vegas ;
* les programmes générateurs de nombres aléatoires sont particulièrement adaptés à une implémentation informatique, donc plus facilement et plus efficacement utilisables ;
* dans certaines circonstances (par exemple en modélisation Monte Carlo), on doit effectuer plusieurs fois des calculs avec la même suite de nombres aléatoires : régénérer cette suite à partir de l'algorithme est plus efficace que de la stocker en mémoire. Une analyse mathématique rigoureuse est nécessaire pour déterminer le degré d'aléa d'un générateur pseudo-aléatoire. Robert R. Coveyou, de l'Oak Ridge National Laboratory, écrivit, dans un article, que « la génération de nombres aléatoires est trop importante pour être confiée au hasard ». La plupart des algorithmes de génération de nombres pseudo-aléatoires essaient de produire des sorties qui sont uniformément distribuées ; à partir d'une suite uniforme, il existe des méthodes pour générer des suites de nombres selon les principales lois de probabilité (par exemple la méthode de la transformée inverse). Une classe très répandue de générateurs utilise une congruence linéaire. D'autres s'inspirent de la suite de Fibonacci en additionnant deux valeurs précédentes ou font appel à des registres à décalage à rétroaction linéaire, dans lesquels le résultat précédent est injecté après une transformation intermédiaire. Certains générateurs pseudo-aléatoires sont dits cryptographiques quand certaines contraintes sont satisfaites. Citons entre autres Fortuna, Yarrow ou Blum Blum Shub. autres Fortuna, Yarrow ou Blum Blum Shub.
, مولد أعداد شبه عشوائية (بالإنجليزية: Pseud … مولد أعداد شبه عشوائية (بالإنجليزية: Pseudorandom number generator) هو خوارزمية تولد متتالية من الأعداد تقترب من خصائص الأعداد العشوائية. هذه المتتالية، في الحقيقة ليست عشوائية لكونها محددة بشكل كامل انطلاقا من البذرة (المجموعة الصغيرة الأصلية) التي عملت عليها الخوارزمية. مولدات الأعداد شبه العشوائية مركزية في مجموعة من التطبيقات كالمحاكاة (طريقة مونت كارلو مثالا) والألعاب الإلكترونية والتعمية.ارلو مثالا) والألعاب الإلكترونية والتعمية.
, Generátor pseudonáhodných čísel je efektiv … Generátor pseudonáhodných čísel je efektivní deterministický program, který generuje posloupnost čísel, statistickými testy pokud možno nerozlišitelnou od náhodné. Byť existují zdroje skutečně náhodných jevů (kvantové generátory, šum), pseudonáhodné generátory (a postupy jakými se vytvářejí) jsou klíčovým prostředkem moderní kryptografie. Na nich se zakládají pravděpodobnostní kryptosystémy s veřejným klíčem, digitální podpisová schémata, protokoly a interaktivní důkazové systémy. Vstupními daty pro pseudonáhodné generátory jsou skutečně (téměř) náhodné (pokud probíhá útok postranním kanálem navíc záměrně ovlivňované), leč krátké, posloupnosti zvané random seed, které jednoznačně určují další běh programu (generátoru). V důsledku determinističnosti těchto programů jsou na počítači s ohraničenou pamětí nevyhnutelně periodické, tedy po určité době (periodě) se generovaná posloupnost začne opakovat. Ta však může být velmi dlouhá, tudíž nedetekovatelná. Standardizované generátory ovšem mohou obsahovat posloupnosti vytvářející u šifrovacích algoritmů „zadní vrátka“ (tj. „univerzální klíč“).[zdroj?] Je otázkou, je-li možné současnými výpočetními prostředky rozlišit náhodnou posloupnost od posloupnosti pseudonáhodné, pokud nedisponujeme znalostí „random seed“ a použitého algoritmu generátoru. Pseudonáhodné generátory, ať už čísel či binárních posloupností, lze elegantně realizovat použitím jednosměrných funkcí, na jejichž inverzi v současnosti není znám žádný efektivní algoritmus. V takovém případě postačí, když za „random seed“ vezmeme relativně malé číslo, pak iterativně aplikujeme jednosměrnou funkci a do pseudonáhodné posloupnosti postupně zařazujeme pro tyto iterace. Tak dostaneme pseudonáhodnou binární posloupnost, která může být polynomiálně delší, než náhodný vstup. Ukázkovým příkladem pseudonáhodného generátoru, založeném na předpokladu nemožnosti efektivní faktorizace, je Blum-Blum-Shub pseudonáhodný generátor. Ten je možno použít na konstrukci kryptosystému s veřejným klíčem. To je proudová šifra, ve které je zpráva šifrována spočítáním jejího XORu s pseudonáhodně vygenerovaným tajným klíčem stejné délky, tak jako je tomu u Vernamovy šifry. Pro generování pseudonáhodných čísel na číslicových počítačích existuje celá řada různých algoritmů. Nejčastěji používané generátory využívají princip lineárního kongruentního generátoru. Moderní metody, kromě již vzpomínaného Blum-Blum-Shub generátoru, zahrnují např. .lum-Blum-Shub generátoru, zahrnují např. .
, Un generador de nombres pseudoaleatoris (G … Un generador de nombres pseudoaleatoris (GPAN) és un algorisme que produeix una successió de nombres que és una molt bona aproximació a un conjunt aleatori de nombres. La successió no és exactament aleatòria en el sentit que queda completament determinada per un conjunt relativament petit de valors inicials, anomenats estat del GPAN. Si bé és possible generar successions mitjançant generadors de nombres aleatoris amb dispositius mecànics que són millors aproximacions a una successió aleatòria, els nombres pseudo-aleatoris són importants en la pràctica per a certes simulacions (per exemple, de sistemes físics mitjançant el mètode de Montecarlo), i exerceixen un paper central en la criptografia. La majoria dels algorismes de generadors pseudoaleatorios produeixen successions que posseeixen una distribució uniforme segons diversos tipus de proves. Les classes més comunes d'aquests algorismes són generadors lineals congruents, generadors Fibonacci demorats, amb retroalimentació lineal i desplaçaments de registre amb retroalimentació generalitzada. Entre els desenvolupaments més recents d'algorismes pseudoaleatoris s'hi troben el Blum Blum Shub, el Fortuna, i el Mersenne twister. Es requereix una acurada anàlisi matemàtica per tenir algun tipus de confiança en què un dau GPAN genera nombres que són prou "aleatoris" com per ser útils per al propòsit per al qual hom els necessita. Robert R. Coveyou del Laboratori Nacional d'Oak Ridge va escriure un article titulat, "La generació de nombres aleatoris és massa important com per ser deixada a l'atzar." com John von Neumann deia de broma, "Tothom qui desenvolupa mètodes aritmètics per produir dígits aleatoris està per descomptat en pecat."s aleatoris està per descomptat en pecat."
, Generator liczb pseudolosowych (ang. pseud … Generator liczb pseudolosowych (ang. pseudo-random number generator lub PRNG) – program lub podprogram, który na podstawie niewielkiej ilości informacji (ziarno, zarodek, ang. seed) generuje deterministycznie ciąg bitów, który pod pewnymi względami jest nieodróżnialny od ciągu uzyskanego z prawdziwie losowego źródła. Generatory liczb pseudolosowych nie generują ciągów prawdziwie losowych – generator inicjowany ziarnem, które może przyjąć różnych wartości, jest w stanie wyprodukować co najwyżej różnych ciągów liczb. Co więcej, ponieważ rozmiar zmiennych reprezentujących wewnętrzny stan generatora jest ograniczony (zwykle decyzją programisty, do kilkudziesięciu lub kilkuset bitów; a rzadziej, po prostu rozmiarem pamięci komputera), i ponieważ w związku z tym może on znajdować się tylko w ograniczonej liczbie stanów, bez dostarczania nowych danych z zewnątrz musi po jakimś czasie dokonać pełnego cyklu i zacząć generować te same wartości. Teoretyczny limit długości cyklu wyrażony jest przez gdzie to liczba bitów przeznaczonych na przechowywanie stanu wewnętrznego. W praktyce, większość generatorów ma znacznie krótsze okresy. Do wielu zastosowań, opisany powyżej rodzaj deterministycznej pseudolosowości jest w zupełności wystarczający. W grach komputerowych czy algorytmach probabilistycznych (takich jak np. całkowanie Monte Carlo) potrzebne jest jedynie źródło wartości o cechach przybliżonych do liczb prawdziwie losowych, chociaż jakość losowości może być decydująca dla dokładności obliczeń. Dlatego przy zastosowaniu każdego nowego generatora do celów obliczeń numerycznych należy sprawdzić jego własności statystyczne. W przypadku skorzystania z jednego z dobrze zbadanych generatorów można czasem bezpośrednio obliczyć długość cyklu, a pozostałe właściwości (jak np. równomierność rozkładu) są najczęściej znane. Można też skorzystać z jednego ze standardowych testów (test pokerowy, test serii itp). Generatory liczb pseudolosowych występują w niemal każdym hazardowym automacie do gier. Do tej pory powstały zaledwie dwa typy automatów, które nie zawierają generatora, tj. Futura i Futura Eclipse, gdzie rozgrywka nie zawiera elementu losowości. rozgrywka nie zawiera elementu losowości.
, Een pseudotoevalsgenerator, (Engels: pseud … Een pseudotoevalsgenerator, (Engels: pseudorandom number generator (PRNG)), is een algoritme voor het genereren van pseudotoevalsgetallen, dat wil zeggen een opeenvolging van ogenschijnlijk willekeurige getallen zonder enige samenhang. Deze methode staat ook bekend als deterministisch willekeurige bit-generator (DRBG). Een pseudotoevalsgenerator wordt gebruikt als getallen naar verwachting ongeveer onafhankelijk van elkaar zijn en het mogelijk is om groepen getallen te vinden die een bepaalde regel (groepsgedrag) volgen. De output die de pseudotoevalsgenerator geeft, is helemaal niet willekeurig, omdat hij volledig wordt bepaald door een relatief kleine verzameling van initiële waarden, de zogenoemde PRNG-toestand. John von Neumann zei hierover: "Iedereen die rekenkundige methoden voor de productie van willekeurige getallen bestudeert, begaat natuurlijk een zonde." Hoewel rijen die meer lijken op echte toevalsgetallen, gegenereerd kunnen worden door toevalsgetalgeneratoren in hardware, zijn pseudotoevalsgeneratoren van belang niet alleen vanwege hun snelheid maar juist vanwege hun reproduceerbaarheid. Pseudotoevalsgeneratoren zijn ontwikkeld, omdat het weliswaar moeilijk is "echte" toevalsgetallen te genereren, maar in de meeste situaties juist pseudotoevalsgetallen nodig zijn in plaats van echte toevalsgetallen. Pseudotoevalsgeneratoren zijn eenvoudig te implementeren voor computers, en zijn dus gemakkelijk en effectief toe te passen. Pseudotoevalsgetallen zijn van belang in de praktijk van simulaties (bijvoorbeeld van fysische systemen met de Monte Carlo methode) en staan centraal in de praktijk van de cryptografie en procedurele generatie. De meeste pseudowillekeurige algoritmes proberen een output te produceren die uniform verdeeld is. Een groot aantal generatoren maakt gebruik van lineaire congruentie. Andere zijn geïnspireerd op de Fibonacci-reeks door de toevoeging van twee eerdere waarden of maken gebruik van schuifregisters waarin het vorige resultaat wordt geïnjecteerd na een tussenverwerking. Recente voorbeelden van cryptografische pseudotoevalsgeneratoren zijn Blum Blum Shub (BBS), Fortuna (PRNG), Yarrow en de mersennetwister. Zorgvuldige wiskundige analyse is nodig om de mate van willekeur van een pseudotoevalsgetal te bepalen. Robert R. Coveyou van Oak Ridge National Laboratory schreef in een artikel: "Het genereren van willekeurige getallen is te belangrijk om aan het toeval over te laten."langrijk om aan het toeval over te laten."
, 유사난수(pseudorandom number)는 난수를 흉내내기 위해 알고리 … 유사난수(pseudorandom number)는 난수를 흉내내기 위해 알고리즘으로 생성되는 값을 가리킨다. 이때 유사난수를 생성하는 알고리즘을 유사난수 생성기(pseudorandom number generator, PRNG)로 부른다. 유사난수는 알고리즘의 상태에 의해 값이 정해지므로 생성된 수열은 일정한 주기를 가지며, 따라서 난수의 예측 불가능성을 가질 수 없다. 예측 불가능성이 필요한 경우 하드웨어와 같이 외부 신호를 이용하는 하드웨어 난수 생성기를 사용한다. 유사난수는 몬테카를로 방법과 같은 확률 계산에 사용되며, 암호학에서도 중요하게 사용된다.테카를로 방법과 같은 확률 계산에 사용되며, 암호학에서도 중요하게 사용된다.
, Можна створити таку послідовність чисел, в … Можна створити таку послідовність чисел, властивості якої будуть схожі на властивості послідовності випадкових чисел. Такі послідовності називаються псевдовипадковими. Вперше запропонував їх використовувати Джон фон Нейман у 1946 р. Його метод полягав в наступному: n-розрядне число підносилось до квадрата і з нього вибиралися середні n цифр. Метод був дуже недосконалий, послідовності майже завжди вироджувалися в нуль або зациклювалися з коротким періодом. Пізніше було запропоновано багато різних алгоритмів отримання псевдовипадкових чисел. В основі програмних генераторів як правило лежать рекурентні формули. Як правило, вони генерують цілі числа рівномірно розподілені на відрізку від 0, до деякого максимального m. Щоб отримати числа з плаваючою комою, рівномірно розподілені на [0,1), кожен отриманий результат ділять на m.1), кожен отриманий результат ділять на m.
|
| rdfs:comment |
유사난수(pseudorandom number)는 난수를 흉내내기 위해 알고리 … 유사난수(pseudorandom number)는 난수를 흉내내기 위해 알고리즘으로 생성되는 값을 가리킨다. 이때 유사난수를 생성하는 알고리즘을 유사난수 생성기(pseudorandom number generator, PRNG)로 부른다. 유사난수는 알고리즘의 상태에 의해 값이 정해지므로 생성된 수열은 일정한 주기를 가지며, 따라서 난수의 예측 불가능성을 가질 수 없다. 예측 불가능성이 필요한 경우 하드웨어와 같이 외부 신호를 이용하는 하드웨어 난수 생성기를 사용한다. 유사난수는 몬테카를로 방법과 같은 확률 계산에 사용되며, 암호학에서도 중요하게 사용된다.테카를로 방법과 같은 확률 계산에 사용되며, 암호학에서도 중요하게 사용된다.
, Generátor pseudonáhodných čísel je efektiv … Generátor pseudonáhodných čísel je efektivní deterministický program, který generuje posloupnost čísel, statistickými testy pokud možno nerozlišitelnou od náhodné. Byť existují zdroje skutečně náhodných jevů (kvantové generátory, šum), pseudonáhodné generátory (a postupy jakými se vytvářejí) jsou klíčovým prostředkem moderní kryptografie. Na nich se zakládají pravděpodobnostní kryptosystémy s veřejným klíčem, digitální podpisová schémata, protokoly a interaktivní důkazové systémy.protokoly a interaktivní důkazové systémy.
, Een pseudotoevalsgenerator, (Engels: pseud … Een pseudotoevalsgenerator, (Engels: pseudorandom number generator (PRNG)), is een algoritme voor het genereren van pseudotoevalsgetallen, dat wil zeggen een opeenvolging van ogenschijnlijk willekeurige getallen zonder enige samenhang. Deze methode staat ook bekend als deterministisch willekeurige bit-generator (DRBG). Een pseudotoevalsgenerator wordt gebruikt als getallen naar verwachting ongeveer onafhankelijk van elkaar zijn en het mogelijk is om groepen getallen te vinden die een bepaalde regel (groepsgedrag) volgen. een bepaalde regel (groepsgedrag) volgen.
, Generator liczb pseudolosowych (ang. pseud … Generator liczb pseudolosowych (ang. pseudo-random number generator lub PRNG) – program lub podprogram, który na podstawie niewielkiej ilości informacji (ziarno, zarodek, ang. seed) generuje deterministycznie ciąg bitów, który pod pewnymi względami jest nieodróżnialny od ciągu uzyskanego z prawdziwie losowego źródła.u uzyskanego z prawdziwie losowego źródła.
, Un générateur de nombres pseudo-aléatoires … Un générateur de nombres pseudo-aléatoires, pseudorandom number generator (PRNG) en anglais, est un algorithme qui génère une séquence de nombres présentant certaines propriétés du hasard. Par exemple, les nombres sont supposés être suffisamment indépendants les uns des autres, et il est potentiellement difficile de repérer des groupes de nombres qui suivent une certaine règle (comportements de groupe). certaine règle (comportements de groupe).
, 擬似乱数（ぎじらんすう、pseudorandom numbers）は、乱数列のように … 擬似乱数（ぎじらんすう、pseudorandom numbers）は、乱数列のように見えるが、実際には確定的な計算によって求めている擬似乱数列による乱数。擬似乱数列を生成する機器を擬似乱数列生成器、生成アルゴリズムを擬似乱数列生成法と呼ぶ。 真の乱数列は本来、規則性も再現性もないものであるため、本来は確定的な計算によって求めることはできない（例：サイコロを振る時、今までに出た目から次に出る目を予測するのは不可能）。一方、擬似乱数列は確定的な計算によって作るので、その数列は確定的であるうえ、生成法と内部状態が既知であれば、予測可能でもある。 ある擬似乱数列を、真の乱数列とみなして良いかを確実に決定することはできない。シミュレーション等の一般的な用途には、対象とする乱数列の統計的な性質が、使用対象とする目的に合致しているかどうかを判断する。これを検定と言い、各種の方法が提案されている。 しかし、特に暗号に使用する擬似乱数列については注意が必要であり、シミュレーション等には十分な擬似乱数列生成法であっても、暗号にそのまま使用できるとは限らない。暗号で使用する擬似乱数列についてはおよび暗号論的擬似乱数生成器の記事を参照。らない。暗号で使用する擬似乱数列についてはおよび暗号論的擬似乱数生成器の記事を参照。
, Можна створити таку послідовність чисел, в … Можна створити таку послідовність чисел, властивості якої будуть схожі на властивості послідовності випадкових чисел. Такі послідовності називаються псевдовипадковими. Вперше запропонував їх використовувати Джон фон Нейман у 1946 р. Його метод полягав в наступному: n-розрядне число підносилось до квадрата і з нього вибиралися середні n цифр. Метод був дуже недосконалий, послідовності майже завжди вироджувалися в нуль або зациклювалися з коротким періодом. Пізніше було запропоновано багато різних алгоритмів отримання псевдовипадкових чисел.горитмів отримання псевдовипадкових чисел.
, Un generador de nombres pseudoaleatoris (G … Un generador de nombres pseudoaleatoris (GPAN) és un algorisme que produeix una successió de nombres que és una molt bona aproximació a un conjunt aleatori de nombres. La successió no és exactament aleatòria en el sentit que queda completament determinada per un conjunt relativament petit de valors inicials, anomenats estat del GPAN. Si bé és possible generar successions mitjançant generadors de nombres aleatoris amb dispositius mecànics que són millors aproximacions a una successió aleatòria, els nombres pseudo-aleatoris són importants en la pràctica per a certes simulacions (per exemple, de sistemes físics mitjançant el mètode de Montecarlo), i exerceixen un paper central en la criptografia.eixen un paper central en la criptografia.
, Un generador pseudoaleatorio de números (G … Un generador pseudoaleatorio de números (GPAN) es un algoritmo que produce una sucesión de números que es una muy buena aproximación a un conjunto aleatorio de números. La sucesión no es exactamente aleatoria en el sentido de que queda completamente determinada por un conjunto relativamente pequeño de valores iniciales, llamados el estado del GPAN. Si bien es posible generar sucesiones mediante que son mejores aproximaciones a una sucesión aleatoria, los números pseudoaleatorios son importantes en la práctica para simulaciones (por ejemplo, de sistemas físicos mediante el método de Montecarlo), y desempeñan un papel central en la criptografía.peñan un papel central en la criptografía.
, A pseudorandom number generator (PRNG), al … A pseudorandom number generator (PRNG), also known as a deterministic random bit generator (DRBG), is an algorithm for generating a sequence of numbers whose properties approximate the properties of sequences of random numbers. The PRNG-generated sequence is not truly random, because it is completely determined by an initial value, called the PRNG's seed (which may include truly random values). Although sequences that are closer to truly random can be generated using hardware random number generators, pseudorandom number generators are important in practice for their speed in number generation and their reproducibility.mber generation and their reproducibility.
, En pseudoslumptalsgenerator är en algoritm … En pseudoslumptalsgenerator är en algoritm för att producera ett skenbart slumpmässigt serietal. Med pseudo åsyftas att en algoritm nödvändigtvis är deterministisk, det vill säga i princip förutsägbar. "Sanna" slumptal, av den typ som enligt rådande uppfattning om fysikens lagar kan produceras av en hårdvarubaserad slumptalsgenerator (exempelvis genom tärningskast), kan därför inte genereras av en algoritm. Däremot är det möjligt att på algoritmisk väg producera tal som är "tillräckligt slumpmässiga" för så gott som alla praktiska syften. Slumptal används av många olika typer av programvara, exempelvis inom kryptografi, Monte Carlo-algoritmer, vetenskapliga simuleringar, och datorspel.vetenskapliga simuleringar, och datorspel.
, مولد أعداد شبه عشوائية (بالإنجليزية: Pseud … مولد أعداد شبه عشوائية (بالإنجليزية: Pseudorandom number generator) هو خوارزمية تولد متتالية من الأعداد تقترب من خصائص الأعداد العشوائية. هذه المتتالية، في الحقيقة ليست عشوائية لكونها محددة بشكل كامل انطلاقا من البذرة (المجموعة الصغيرة الأصلية) التي عملت عليها الخوارزمية. مولدات الأعداد شبه العشوائية مركزية في مجموعة من التطبيقات كالمحاكاة (طريقة مونت كارلو مثالا) والألعاب الإلكترونية والتعمية.ارلو مثالا) والألعاب الإلكترونية والتعمية.
, Генератор псевдослучайных чисел (ГПСЧ, англ. pseudorandom number generator, PRNG) — алгоритм, порождающий последовательность чисел, элементы которой почти независимы друг от друга и подчиняются заданному распределению (обычно дискретному равномерному).
|
