가장 빠른 랜덤 생성기는 다음과 같습니다.

XD, 농담, 여기에 언급 된 모든 것 외에도, 난수 시퀀스 테스트는 “어려운 작업”[1]이라는 인용에 기여하고 싶습니다. 의사 난수의 특정 속성을 확인하는 여러 테스트가 있습니다. 여기에 많은 것들이 있습니다 : http://www.random.org/analysis/#2005

랜덤 발생기 “품질”을 평가하는 간단한 방법 중 하나는 기존 Chi Square 테스트입니다.

static double chisquare(int numberCount, int maxRandomNumber) {
    long[] f = new long[maxRandomNumber];
    for (long i = 0; i < numberCount; i++) {
        f[randomint(maxRandomNumber)]++;
    }

    long t = 0;
    for (int i = 0; i < maxRandomNumber; i++) {
        t += f[i] * f[i];
    }
    return (((double) maxRandomNumber * t) / numberCount) - (double) (numberCount);
}

인용 [1]

χ² 테스트의 아이디어는 생성 된 숫자가 합리적으로 퍼져 있는지 여부를 확인하는 것입니다. r 보다 작은 N 개의 양수 를 생성하면 각 값의 N / r 개의 숫자 를 얻을 것으로 예상됩니다 . 그러나 이것은 문제의 본질입니다. 모든 값의 발생 빈도는 정확히 동일해서는 안됩니다. 그것은 무작위가 아닙니다!

각 값의 발생 빈도의 제곱의 합을 예상 빈도로 스케일링 한 다음 시퀀스 크기를 뺍니다. 이 숫자 “χ² 통계”는 수학적으로 다음과 같이 표현 될 수 있습니다.

χ² 통계량이 r에 가까우 면 숫자는 임의입니다. 너무 멀면 그렇지 않습니다. “close”와 “far away”의 개념을보다 정확하게 정의 할 수 있습니다. 통계가 랜덤 시퀀스의 속성과 어떻게 관련되어 있는지 정확히 알려주는 테이블이 존재합니다. 우리가 수행하는 간단한 테스트의 경우 통계량은 2√r 이내 여야합니다

이 이론과 다음 코드를 사용합니다.

abstract class RandomFunction {
    public abstract int randomint(int range);
}

public class test {
    static QuickRandom qr = new QuickRandom();

    static double chisquare(int numberCount, int maxRandomNumber, RandomFunction function) {
        long[] f = new long[maxRandomNumber];
        for (long i = 0; i < numberCount; i++) {
            f[function.randomint(maxRandomNumber)]++;
        }

        long t = 0;
        for (int i = 0; i < maxRandomNumber; i++) {
            t += f[i] * f[i];
        }
        return (((double) maxRandomNumber * t) / numberCount) - (double) (numberCount);
    }

    public static void main(String[] args) {
        final int ITERATION_COUNT = 1000;
        final int N = 5000000;
        final int R = 100000;

        double total = 0.0;
        RandomFunction qrRandomInt = new RandomFunction() {
            @Override
            public int randomint(int range) {
                return (int) (qr.random() * range);
            }
        };
        for (int i = 0; i < ITERATION_COUNT; i++) {
            total += chisquare(N, R, qrRandomInt);
        }
        System.out.printf("Ave Chi2 for QR: %f \n", total / ITERATION_COUNT);

        total = 0.0;
        RandomFunction mathRandomInt = new RandomFunction() {
            @Override
            public int randomint(int range) {
                return (int) (Math.random() * range);
            }
        };
        for (int i = 0; i < ITERATION_COUNT; i++) {
            total += chisquare(N, R, mathRandomInt);
        }
        System.out.printf("Ave Chi2 for Math.random: %f \n", total / ITERATION_COUNT);
    }
}

나는 다음과 같은 결과를 얻었다 :

Ave Chi2 for QR: 108965,078640
Ave Chi2 for Math.random: 99988,629040

어느, QuickRandom를 들어, 멀리로부터 R (외부 r ± 2 * sqrt(r))

즉, QuickRandom은 빠를 수 있지만 (다른 답변에 명시된 바와 같이) 난수 생성기로 좋지 않습니다.

---

[1] SEDGEWICK ROBERT, C의 알고리즘 , Addinson Wesley Publishing Company, 1990, 페이지 516 ~ 518

---