本文由 ImportNew - 踏雁寻花 翻译自 javacodegeeks。欢迎加入Java小组。转载请参见文章末尾的要求。
Java8中的java.util.Random类 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尽的double类型的数字流，这些数字在0（包括0）和1（不包含1）之间。 | 12 | Random random = new Random();DoubleStream doubleStream = random.doubles(); |
下面的代码是创建一个无穷尽的int类型的数字流，这些数字在0（包括0）和100（不包括100）之间。 | 12 | Random random = new Random();IntStream intStream = random.ints(0, 100); |
那么这些无穷尽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： | 1 | intStream.limit(10).forEach(System.out::println); |
示例2：创建100个随机整数： | 1234 | List<Integer> randomBetween0And99 = intStream .limit(100) .boxed() .collect(Collectors.toList()); |
对于高斯伪随机数（gaussian pseudo-random values）来说，random.doubles()方法所创建的流不能等价于高斯伪随机数，然而，如果用java8所提供的功能是非常容易实现的。 | 12 | 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： | 12345678 | 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： | 1234567891011121314151617181920 | -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： | 1234567891011 | 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)); |
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：
 附：完整代码可点击这里获取 原文链接： javacodegeeks 翻译： ImportNew.com - 踏雁寻花
译文链接： http://www.importnew.com/9672.html
[ 转载请保留原文出处、译者和译文链接。] | 
