為追求真正的隨機(jī)序列，人們?cè)捎煤芏喾N原始的物理方法用于生成一定范圍內(nèi)滿足精度（位數(shù)）的均勻分布序列，其缺點(diǎn)在于：速度慢、效率低、需占用大量存儲(chǔ)空間且不可重現(xiàn)等。為滿足計(jì)算機(jī)模擬研究的需求，人們轉(zhuǎn)而研究用算法生成模擬各種概率分布的偽隨機(jī)序列。偽隨機(jī)數(shù)是指用數(shù)學(xué)遞推公式所產(chǎn)生的隨機(jī)數(shù)。從實(shí)用的角度看，獲取這種數(shù)的最簡(jiǎn)單和最自然的方法是利用計(jì)算機(jī)語言的函數(shù)庫提供的隨機(jī)數(shù)發(fā)生器。典型情況下，它會(huì)輸出一個(gè)均勻分布在0和1區(qū)間內(nèi)的偽隨機(jī)變量的值。其中應(yīng)用的最為廣泛、研究最徹底的一個(gè)算法即線性同余法。
線性同余法LCG（Linear Congruence Generator）
選取足夠大的正整數(shù)M和任意自然數(shù)n0，a，b，由遞推公式：
ni+1=（af（ni）+b）mod M i=0，1，…，M-1
生成的數(shù)值序列稱為是同余序列。當(dāng)函數(shù)f（n）為線性函數(shù)時(shí)，即得到線性同余序列：
ni+1=（a*ni+b）mod M i=0，1，…，M-1
以下是線性同余法生成偽隨機(jī)數(shù)的偽代碼：
Random（n，m，seed，a，b）
{
r0 = seed；
for （i = 1；i<=n；i++）
ri = （a*ri-1 + b） mod m
}
其中種子參數(shù)seed可以任意選擇，常常將它設(shè)為計(jì)算機(jī)當(dāng)前的日期或者時(shí)間；m是一個(gè)較大數(shù)，可以把它取為2w，w是計(jì)算機(jī)的字長；a可以是0.01w和0.99w之間的任何整數(shù)。
應(yīng)用遞推公式產(chǎn)生均勻分布隨機(jī)數(shù)時(shí)，式中參數(shù)n0，a，b，M的選取十分重要。
例如，選取M=10，a=b =n0=7，生成的隨機(jī)序列為{6，9，0，7，6，9，……}，周期為4。
取M=16，a=5，b =3，n0=7，生成的隨機(jī)序列為{6，1，8，11，10，5，12，15，14，9，0，3，2，13，4，7，6，1……}，周期為16。
取M=8，a=5，b =1，n0=1，生成的隨機(jī)序列為{6，7，4，5，2，3，0，1，6，7……}，周期為8。
Visual C++中偽隨機(jī)數(shù)生成機(jī)制
用VC產(chǎn)生隨機(jī)數(shù)有兩個(gè)函數(shù)，分別為rand（void）和srand（seed）。rand()產(chǎn)生的隨機(jī)整數(shù)是在0~RAND_MAX之間平均分布的，RAND_MAX是一個(gè)常量（定義為：#define RAND_MAX 0x7fff）。它是short型數(shù)據(jù)的值，如果要產(chǎn)生一個(gè)浮點(diǎn)型的隨機(jī)數(shù)，可以將rand()/1000.0，這樣就得到一個(gè)0~32.767之間平均分布的隨機(jī)浮點(diǎn)數(shù)。如果要使得范圍大一點(diǎn)，那么可以通過產(chǎn)生幾個(gè)隨機(jī)數(shù)的線性組合來實(shí)現(xiàn)任意范圍內(nèi)的平均分布的隨機(jī)數(shù)。
其用法是先調(diào)用srand函數(shù)，如
srand( (unsigned)time( NULL ) )
這樣可以使得每次產(chǎn)生的隨機(jī)數(shù)序列不同。如果計(jì)算偽隨機(jī)序列的初始數(shù)值（稱為種子）相同，則計(jì)算出來的偽隨機(jī)序列就是完全相同的。要解決這個(gè)問題，需要在每次產(chǎn)生隨機(jī)序列前，先指定不同的種子，這樣計(jì)算出來的隨機(jī)序列就不會(huì)完全相同了。以time函數(shù)值（即當(dāng)前時(shí)間）作為種子數(shù)，因?yàn)閮纱握{(diào)用rand函數(shù)的時(shí)間通常是不同的，這樣就可以保證隨機(jī)性了。也可以使用srand函數(shù)來人為指定種子數(shù)。
線性同余法LCG（Linear Congruence Generator）
選取足夠大的正整數(shù)M和任意自然數(shù)n0，a，b，由遞推公式：
ni+1=（af（ni）+b）mod M i=0，1，…，M-1
生成的數(shù)值序列稱為是同余序列。當(dāng)函數(shù)f（n）為線性函數(shù)時(shí)，即得到線性同余序列：
ni+1=（a*ni+b）mod M i=0，1，…，M-1
以下是線性同余法生成偽隨機(jī)數(shù)的偽代碼：
Random（n，m，seed，a，b）
{
r0 = seed；
for （i = 1；i<=n；i++）
ri = （a*ri-1 + b） mod m
}
其中種子參數(shù)seed可以任意選擇，常常將它設(shè)為計(jì)算機(jī)當(dāng)前的日期或者時(shí)間；m是一個(gè)較大數(shù)，可以把它取為2w，w是計(jì)算機(jī)的字長；a可以是0.01w和0.99w之間的任何整數(shù)。
應(yīng)用遞推公式產(chǎn)生均勻分布隨機(jī)數(shù)時(shí)，式中參數(shù)n0，a，b，M的選取十分重要。
例如，選取M=10，a=b =n0=7，生成的隨機(jī)序列為{6，9，0，7，6，9，……}，周期為4。
取M=16，a=5，b =3，n0=7，生成的隨機(jī)序列為{6，1，8，11，10，5，12，15，14，9，0，3，2，13，4，7，6，1……}，周期為16。
取M=8，a=5，b =1，n0=1，生成的隨機(jī)序列為{6，7，4，5，2，3，0，1，6，7……}，周期為8。
Visual C++中偽隨機(jī)數(shù)生成機(jī)制
用VC產(chǎn)生隨機(jī)數(shù)有兩個(gè)函數(shù)，分別為rand（void）和srand（seed）。rand()產(chǎn)生的隨機(jī)整數(shù)是在0~RAND_MAX之間平均分布的，RAND_MAX是一個(gè)常量（定義為：#define RAND_MAX 0x7fff）。它是short型數(shù)據(jù)的值，如果要產(chǎn)生一個(gè)浮點(diǎn)型的隨機(jī)數(shù)，可以將rand()/1000.0，這樣就得到一個(gè)0~32.767之間平均分布的隨機(jī)浮點(diǎn)數(shù)。如果要使得范圍大一點(diǎn)，那么可以通過產(chǎn)生幾個(gè)隨機(jī)數(shù)的線性組合來實(shí)現(xiàn)任意范圍內(nèi)的平均分布的隨機(jī)數(shù)。
其用法是先調(diào)用srand函數(shù)，如
srand( (unsigned)time( NULL ) )
這樣可以使得每次產(chǎn)生的隨機(jī)數(shù)序列不同。如果計(jì)算偽隨機(jī)序列的初始數(shù)值（稱為種子）相同，則計(jì)算出來的偽隨機(jī)序列就是完全相同的。要解決這個(gè)問題，需要在每次產(chǎn)生隨機(jī)序列前，先指定不同的種子，這樣計(jì)算出來的隨機(jī)序列就不會(huì)完全相同了。以time函數(shù)值（即當(dāng)前時(shí)間）作為種子數(shù)，因?yàn)閮纱握{(diào)用rand函數(shù)的時(shí)間通常是不同的，這樣就可以保證隨機(jī)性了。也可以使用srand函數(shù)來人為指定種子數(shù)。