Teoria informacji

Generator liczb pseudolosowych

Fotografia reklamowa jest bardzo ważna w promowaniu nowego produktu zatem zadbaj aby sesja zdjęciowa była organizowana przez profesjonalistów. Szukasz ćwiczeń dla siebie? Najlepsza jest joga prowadzona przez profesjonalistów! Efektywny kurs rosyjskiego jaki możesz znaleźć! Generator liczb pseudolosowych (Pseudo-Random Number Generator, bądź PRNG) owo audycja bądź podprogram, kto na podstawie niewielkiej ilości informacji (ziarno, zarodek, ang. seed) generuje deterministycznie kolumna bitów, kto przy pewnymi względami jest identyczny od chwili ciągu uzyskanego spośród autentycznie losowego źródła Generatory liczb pseudolosowych negacja logiczna generują ciągów autentycznie losowych – program generujący inicjowany ziarnem, które być może obrać k różnych wartości, jest do wnętrza stanie wyprodukować co negacja logiczna więcej niż k różnych ciągów liczb. Co więcej, bowiem format zmiennych reprezentujących położony wewnątrz forma generatora jest otumaniony (zwykle decyzją programisty, aż do kilkudziesięciu bądź kilkuset bitów; co więcej rzadziej, po prostu rozmiarem pamięci komputera), co więcej bowiem do wnętrza związku spośród tym być może gorsza połowa odnajdować się zaledwie do wnętrza ograniczonej liczbie stanów, bez dostarczania nowych danych spośród pozornie musi po jakimś czasie wykonać pełnego cyklu co więcej począć aktywować te same wartości. Teoretyczny ograniczenie długości cyklu wypowiedziany jest zbyt pośrednictwem 2n, dokąd n owo wielkość bitów przeznaczonych na składowanie stanu wewnętrznego. W praktyce, niepodobna generatorów ma wysoce krótsze okresy.Do wielu zastosowań, opisany do góry odmiana deterministycznej pseudolosowości jest do wnętrza zupełności wystarczający. W grach komputerowych innymi słowy algorytmach probabilistycznych (takich wzorem np. uzupełnienie Monte Carlo) potrzebne jest zaledwie korzenie wartości o cechach przybliżonych aż do liczb autentycznie losowych, mimo iż klasa losowości być może egzystować decydująca na rzecz dokładności obliczeń. Dlatego do wnętrza pobliżu zastosowaniu każdego nowego generatora aż do celów obliczeń numerycznych trzeba wypróbować jego własności statystyczne. W przypadku skorzystania spośród jednego spośród prawidłowo zbadanych generatorów wolno od chwili czasu do czasu wprost wyznaczyć rozciągłość cyklu, co więcej pozostałe właściwości (jak np. równomierność rozkładu) są przeważnie znane. Można również wykorzystać spośród jednego ze standardowych testów (test pokerowy, egzamin serii itp).Szczególną klasę PRNG stanowią generatory uznane zbyt bezpieczne aż do zastosowań kryptograficznych. Kryptografia opiera się na generatorach liczb pseudolosowych przede wszystkim do wnętrza celu tworzenia unikalnych kluczy stałych zaś sesyjnych. Ze względu na fakt, iż bezpieczeństwo komunikacji zależy od chwili jakości klucza, od chwili implementacji PRNG stosowanych do wnętrza takich celach oczekuje się pomiędzy innymi, że:Uproszczony linearny program generujący kongruencyjny (Linear Congruential Generator) oznaczony jest następującym algorytmem (a, b, co więcej m owo godnie dobrane znane stałe):Generator ów negacja logiczna jest wypróbowany - na rzecz pewnych kombinacji parametrów jest poniekąd losowy, na rzecz innych ogromnie spośród nagła staje się okresowy. Dodatkowo, znane są ogólne metody obliczania parametrów co więcej przewidywania zachowania takich PRNG na podstawie obserwacji wyników.Do budowy PRNG na potrzeby kryptografii przeważnie używa się iteracyjnych wywołań kryptograficznie bezpiecznej funkcji haszującej typu MD5 bądź SHA-1, bądź stosuje się do wnętrza bliźniaczy metoda sprawdzone szyfry strumieniowe bądź blokowe. Aby zawarować nieprzewidywalność wyników, aż do okresowej (re-)inicjalizacji takiego PRNG używa się trudne aż do przewidzenia zdarzenia zewnętrzne, takie wzorem interwały aktywności wejścia-wyjścia do wnętrza systemie komputerowym, fluktuacje temperatury procesora bądź płyty głównej, bądź znak spośród dedykowanych, sprzętowych generatorów szumu uznawanego zbyt autentycznie niedeterministyczny.Spośród używanych algorytmów zakwalifikowanych aż do tej kategorii, na laur zasługuje Blum Blum Shub Zostało wykazane, iż złamanie tego PRNG jest choć no tak samo trudne wzorem rzecz faktoryzacji iloczynów dużych liczb pierwszych. Jest jakkolwiek mniej uznany ze względu na relatywnie niską zdolność produkcyjna do wnętrza porównaniu spośród alternatywami.

  • Blum Blum Shub
  • Generator Fibonacciego
  • Generator liczb pseudolosowych
  • Generator liczb losowych
  • PRBS
  • Mersenne Twister
  • Transformacja Boxa-Mullera
  • Liczba losowa