随机数产生的原理与实现

随机数是指在一定范围内，每个数出现的概率相等的数。产生随机数的原理可以分为两种：

1. 伪随机数生成器（Pseudo-Random Number Generator, PRNG）：通过一定的算法和种子（seed）来生成随机数。在给定的种子下，PRNG生成的随机数序列是确定的。常见的PRNG有线性同余发生器（Linear Congruential Generator, LCG）和梅森旋转演算法（Mersenne Twister）等。

2. 真随机数生成器（True Random Number Generator, TRNG）：利用物理现象来产生随机数，例如电子噪声、放射性衰变、光电效应等。TRNG在理论上能够产生真正的随机数序列，但实现难度较大，而且需要专门的硬件支持。

以下是一个简单的PRNG的实现，使用的是LCG算法：

class LCG:
    def __init__(self, seed):
        self.a = 1664525
        self.c = 1013904223
        self.m = 2**32
        self.seed = seed

    def random(self):
        self.seed = (self.a * self.seed + self.c) % self.m
        return self.seed / self.m

在上面的代码中，a、c、m分别是LCG算法的参数，seed是初始种子。每次调用`random()`方法都会根据公式`(a * seed + c) % m`来更新种子，并返回一个[0, 1)之间的随机数。