Java8中的java.util.Random类

来源：互联网发布：python 中英文摘要编辑：程序博客网时间：2024/05/29 14:10

在Java8中java.util.Random类的一个非常明显的变化就是新增了返回随机数流(random Stream of numbers)的一些方法。

下面的代码是创建一个无穷大的double类型的数字流，这些数字在0（包括0）和1（不包含1）之间。

Random random = new Random();DoubleStream doubleStream = random.doubles();

下面的代码是创建一个无穷大的int类型的数字流，这些数字在0（包括0）和100（不包括100）之间。

Random random = new Random();IntStream intStream = random.ints(0, 100);

那么这些无穷大的数字流用来做什么呢？接下来，我通过一些案例来分析。记住，这些无穷大的数字流只能通过某种方式被截断（limited）。

示例1：创建10个随机的整数流并打印出来：

intStream.limit(10).forEach(System.out::println);

示例2：创建100个随机整数：

List<Integer> randomBetween0And99 = intStream                                       .limit(100)                                       .boxed()                                       .collect(Collectors.toList());

对于高斯伪随机数（gaussian pseudo-random values）来说，没有等价于random.doubles()方法所创建的流，然而，如果用java8所提供的功能是非常容易实现的。

Random random = new Random();DoubleStream gaussianStream = Stream.generate(random::nextGaussian).mapToDouble(e -> e);

这里，我使用了Stream.generate api，并传入Supplier 类的对象作为参数，这个对象是通过调用Random类中的方法 nextGaussian()创建另一个高斯伪随机数。

接下来，我们来对double类型的伪随机数流和double类型的高斯伪随机数流做一个更加有意思的事情，那就是获得两个流的随机数的分配情况。预期的结果是：double类型的伪随机数是均匀的分配的，而double类型的高斯伪随机数应该是正态分布的。

通过下面的代码，我生成了一百万个伪随机数，这是通过java8提供的api实现的：

Random random = new Random();DoubleStream doubleStream = random.doubles(-1.0, 1.0);LinkedHashMap<Range, Integer> rangeCountMap = doubleStream.limit(1000000)        .boxed()        .map(Ranges::of)        .collect(Ranges::emptyRangeCountMap, (m, e) -> m.put(e, m.get(e) + 1), Ranges::mergeRangeCountMaps);rangeCountMap.forEach((k, v) -> System.out.println(k.from() + "\t" + v));

代码的运行结果如下：

-1      49730-0.9    49931-0.8    50057-0.7    50060-0.6    49963-0.5    50159-0.4    49921-0.3    49962-0.2    50231-0.1    496580       501770.1     498610.2     499470.3     501570.4     504140.5     500060.6     500380.7     499620.8     500710.9     49695

为了类比，我们再生成一百万个高斯伪随机数：

Random random = new Random();DoubleStream gaussianStream = Stream.generate(random::nextGaussian).mapToDouble(e -> e);LinkedHashMap<Range, Integer> gaussianRangeCountMap =        gaussianStream                .filter(e -> (e >= -1.0 && e < 1.0))                .limit(1000000)                .boxed()                .map(Ranges::of)                .collect(Ranges::emptyRangeCountMap, (m, e) -> m.put(e, m.get(e) + 1), Ranges::mergeRangeCountMaps);gaussianRangeCountMap.forEach((k, v) -> System.out.println(k.from() + "\t" + v));

代码的结果如下：

-1      37252-0.9    40715-0.8    43781-0.7    47587-0.6    50844-0.5    52734-0.4    54704-0.3    56536-0.2    58195-0.1    584930       583140.1     573460.2     566150.3     544560.4     531110.5     502120.6     470230.7     443380.8     404930.9     37251

上面代码输出的结果恰恰与我们预期结果相吻合，即：double类型的伪随机数是均匀的分配的，而double类型的高斯伪随机数应该是正态分布的。

用伪随机数所得的结果：

用高斯伪随机数所得的结果：

完整代码可以在这里下载获取（只需要安装jdk8即可，如果需要jkd8安装文件，回复此文章联系我即可），也可通过如下地址下载https://gist.github.com/bijukunjummen/8129250

原文链接：http://www.javacodegeeks.com/2014/01/java-util-random-in-java-8.html

0 0