刚接手一个仿真项目时我遇到过一个特别典型的场面某同学用MATLAB写队列模型连续跑十次平均等待时间各不相同但每次换一个参数组合随机序列又完全一样。答辩现场被追问“你这个随机数到底是真的还是假的”他支支吾吾说不清。问题不在MATLAB而在于很多人没真正想明白真随机数和伪随机数的关系以及手里的rand函数到底是哪种。这篇文章不绕弯子直接讲透三件事真随机数与伪随机数的本质差异在哪里、主流伪随机数生成算法是怎么工作的、以及MATLAB里从随机种子到随机流控制的完整实操方案。中间附上可以直接运行的实验代码和一套简单的质量检验方法。适合刚接触数值仿真的学生也适合写蒙特卡洛程序或做随机信号处理的工程师。看完之后你会知道为什么固定种子后rand生成的序列一模一样也会明白什么时候该用rng(shuffle)什么时候该用固定种子。1. 一个老问题的本质真随机数和伪随机数到底差在哪里1.1 为什么固定种子后“随机数”会一模一样MATLAB执行rng(42)之后接着调用rand(1,5)你得到的五位数是固定的0.3745, 0.9507, 0.7320, 0.5987, 0.1560。再跑一次还是这五个数。很多人的第一反应是“这不叫随机”但从程序角度看这恰恰是伪随机数的核心特征——它由一个确定性的算法按照初始状态一步步推演出来。可以这样理解伪随机数生成器就像一本极其复杂的菜谱。同一个厨师、同一种原料、同一套步骤做出来的菜当然一模一样。这里的“原料”就是种子而“菜谱”就是底层的递推公式。种子不同序列才不同种子相同序列必然复现。MATLAB每次启动后默认会按当前时间初始化种子所以你通常觉得rand每次运行都不一样这只是因为种子一直在变而不是因为rand本身具备了物理上的随机性。1.2 真随机数从哪里来物理熵源与应用边界真随机数的来源是物理世界中的不可预测过程例如芯片内部热噪声、振荡器时钟抖动、光电效应产生的事件间隔。这类信号本身携带“熵”采样之后直接转成数值序列。好处很明显序列不可复现、不可预测即使知道之前生成的所有数也无法推算下一个数。正因如此真随机数主要用在需要防预测、防作弊、防重放的场景比如抽奖系统的中奖序号生成、安全令牌的种子、加密协议的密钥协商。但在日常数值计算里真随机数反而没那么受欢迎专用采集硬件成本不低物理过程采样速度有限而且无法复现实验结果。科学研究要求“可重复验证”如果一篇论文里的随机浪花每次都不一样评审拿什么复核你的结论1.3 伪随机数的“合格线”统计上像随机但不保证不可预测伪随机数生成器输出的序列虽然由公式决定但只要它在统计层面足够接近“独立同分布”就可以放心用于仿真计算。这里的“足够接近”通常包含几个维度均匀性每个取值区间的频次大致相等、独立性前后数值之间没有明显关联、周期足够长不会在仿真中途循环回到起点、可复现性相同种子得到相同序列。需要特别提醒一点伪随机数不等于“可以用来搞加密”。普通生成器的状态一旦被观测到足够多的输出后续序列是可以被推算的。密码学场景需要的是另一类面向安全设计的生成器它们往往内置外部熵源或经过刻意设计的不可逆状态更新。换句话说统计仿真可以放心用伪随机数但“防攻击”的需求不能交给rand了事。2. 底层生成器的工作方式从线性同余到梅森旋转2.1 线性同余生成器LCG一眼看懂伪随机数公式线性同余生成器是最古老也最容易理解的伪随机数算法公式只有一行X_{n1} (a * X_n c) mod m其中a是乘数c是增量m是模数。给定初始值X_0也就是种子每次迭代就得到下一个数。举一个教学用的例子设a69c1m100种子为X_01则序列为1, 70, 31, 40, 61, 10, 91, 80, 21, 50, 51, ...肉眼看上去已经有点乱但很快就会被看穿序列从第12项开始重复周期只有m这么长。实际工程中选择a、c、m非常讲究不是随便填三个数就能用。经典的参数组合能把周期拉到接近m但低位的随机性依旧很差。我曾用玩具LCG生成大量[0,9]的个位数结果发现低位数字表现出明显的短周期循环数字序列每隔一定间隔就会重现。原因很直观取模运算会把高位的复杂信息丢掉低位的随机性远低于高位。所以专业教科书和接口文档都会反复强调——不要从随机数里挑选低位比特当作独立随机数使用。2.2 梅森旋转为什么现代程序普遍选择它当代主流编程环境里算法层面的默认伪随机数生成器大多不是LCG而是梅森旋转Mersenne Twister。它的核心思想是用一个624维的状态数组保存历史信息再通过移位、异或、掩码等位运算不断刷新状态并从中提取输出。MATLAB中通过rng(seed, twister)就可以显式指定使用它。梅森旋转的周期达到2^19937 - 1这个数字大到什么程度哪怕每秒生成十亿个随机数连续跑到宇宙毁灭也用不完。相比LCG它生成的序列在统计均匀性、维度分布和运行速度上都更优秀。这也是为什么在蒙特卡洛仿真和机器学习实验里梅森旋转是默认选项之一。但它也有自己的短板状态空间很大恢复或保存状态比较占内存而且整个算法本质上是确定性的不适合安全敏感场景。如果只是做数据分析或仿真这些短板几乎无感一旦涉及密钥或对抗场景就该换到其他类型的生成器。2.3 周期长不等于质量好两个容易被忽略的问题“周期长”是很多初学者选生成器时的唯一标准这里必须泼一盆冷水。一个周期很长的生成器完全可能在某个区间内长期输出低质量序列例如连续的数值落在同一条直线上。术语叫“高维均匀性差”普通用户感知到的就是看起来每一个数都很随机但多个数放在一起它们的组合模式会暴露出规律。另一个常见问题是尾部效应有些算法在状态刚刚初始化、还没“预热”时前几十个输出的统计质量明显偏差。早年一些随机数库要求用户先丢弃前几百个数再正式使用目的就是避开这个不稳定的启动区段。虽然现代主流生成器已经大幅改善了初始化质量但在金融、天气等大规模仿真的极端需求下软件实现方案仍要对齐源算法建议的预热方式。3. MATLAB中伪随机数的标准姿势函数、种子与随机流3.1 rand / randn / randi 三个函数的正确用法MATLAB和随机数打交道日常高频的是三个函数。rand生成(0,1)区间内的均匀分布随机数randn生成均值为0、标准差为1的标准正态分布随机数randi生成指定区间内的整数随机数。调用格式分别为rng(7); % 先固定种子保证下面结果可复现 uniformVec rand(1, 1000); % 1000个(0,1)均匀数 normalVec randn(1, 1000); % 1000个标准正态数 intMat randi([1, 6], 10, 1); % 10个1到6之间的整数三种函数都支持指定维度参数比如rand(3,4)生成3行4列的矩阵。注意rand的输出区间是左闭右开严格来说是[0,1)但一般计算中不需要纠结边界值。如果你想要[a,b]区间的均匀分布可以写成a (b-a) * rand(m,n)想要均值为mu、标准差为sigma的正态分布就写成mu sigma * randn(m,n)。3.2 rng 种子控制为什么旧版接口不该再用rng指令是MATLAB推荐的随机数控制入口。它支持三种常见用法rng(2024); % 固定种子复现后续所有随机序列 rng(shuffle); % 根据当前时间初始化种子每次运行结果不同 rng(2024, twister); % 固定种子并显式指定梅森旋转生成器为什么现在写代码不建议再用老式的rand(seed, 2024)因为旧接口为了兼容历史代码改的是“全局随机状态”里的一小部分容易不经意间把生成器状态搞乱也让多随机流的管理变得困难。rng则统一管理种子和生成器类型语义清晰得多。我见过不少旧脚本运行到一半突然调用rand(twister)后面的随机序列完全变成另一套体系排查起来非常痛苦。3.3 RandStream并行仿真时的随机数隔离方案当仿真任务拆成多个并行进程或并行池worker时随机数最大的坑是如果不做隔离每个worker可能拿到完全相同的种子生成完全相同的序列。这时要用RandStream给不同任务分配独立的随机流stream1 RandStream.create(mlfg6331_64, Seed, 101); stream2 RandStream.create(mlfg6331_64, Seed, 202); a rand(stream1, 1, 100); b rand(stream2, 1, 100);两个流之间互不干扰。如果希望整个程序里的rand、randn、randi全部走某一个流可以调用RandStream.setGlobalStream(stream1)切换全局随机流。这种做法的价值在于既保证每个并行任务拥有不同序列又能在需要时复现某一条流的全部实验结果。MATLAB在并行计算工具箱里还支持基于s的流式随机数具体到项目里可以优先选择带有Substream机制的生成器让每个worker都从同一个流的子流中取数方便调试。4. 两个拿来就能跑的MATLAB实验蒙特卡洛算π与信号加噪4.1 蒙特卡洛估算圆周率从代码到误差分析伪随机数最经典的入门实验就是撒点估算圆周率。思路是这样的在边长为1的正方形内随机撒N个点坐标(x,y)都从[0,1]均匀分布中取统计落进四分之一圆内的点数比例近似等于π/4。用MATLAB写起来极其顺手N 1e6; rng(42); % 固定种子结果可复现 x rand(1, N); y rand(1, N); inside (x.^2 y.^2) 1; piEst 4 * sum(inside) / N; fprintf(估算的圆周率: %.6f\n, piEst);跑完你会发现N1e6时结果大约在3.14附近但每次更换种子也会小幅波动。这个波动本身不是bug而是蒙特卡洛方法的固有特性随机样本的统计量围绕真值浮动误差大概按1/sqrt(N)衰减。想要误差小一个数量级样本量需要增加一百倍。这个实验非常适合用来直观感受“伪随机数到底像不像真随机”你把种子固定结果就固定你把种子换成shuffle每次结果都不同。理论上每次不同的“抖动”幅度恰好可以用统计学公式预判——大家关心的不是单次值准不准而是大量重复之后估算值的分布是否以真值为中心。这正是伪随机数在仿真里最重要的应用逻辑。4.2 给信号加噪声randn的标准差理解与SNR计算模拟通信或传感器数据时最常见的操作是给干净信号叠加高斯白噪声。很多人随手写y signal randn(size(signal))结果发现噪声过强把原始波形完全淹没了。根源在于randn默认生成的是标准差为1的噪声而真实信号幅度往往远小于1。正确的做法是根据期望信噪比计算噪声标准差。假设一个50Hz正弦信号采样率1000Hz采样1024点想得到约20dB信噪比fs 1000; t (0:1023) / fs; signal sin(2 * pi * 50 * t); signalPower mean(signal.^2); snrDb 20; noisePower signalPower / (10^(snrDb / 10)); noise randn(1, 1024) * sqrt(noisePower); y signal noise; snrEst 10 * log10(mean(signal.^2) / mean(noise.^2)); fprintf(估算信噪比: %.2f dB\n, snrEst);核心认知是加噪前先算信号功率再反推噪声方差。很多新手容易把randn乘上的系数当成幅度实际上那是标准差标准差是0.1时噪声功率就是0.01功率折算成信噪比时差了整整20dB。这个细节在实验报告里经常被忽略却是信号处理中错误率最高的点之一。5. 给随机数做体检均匀性与相关性如何检验5.1 均匀性检验卡方检验和KS检验怎么用伪随机数质量好不好不能只靠“肉眼觉得挺乱”要拿统计工具验证。最简单的是对均匀随机数做直方图观测再配一个假设检验。MATLAB里可以用chi2gof做卡方拟合优度检验rng(123); data rand(1, 10000); [h, p] chi2gof(data, NBins, 20);如果h0说明没有足够证据拒绝“数据来自均匀分布”的原假设也就是这组数据均匀性正常。p值较大时序列和均匀分布的偏差可以被视为正常采样波动。这里要强调一个常见误读p0.05不等于“100%均匀”只是说在当前样本量下没有发现显著差异样本量增大以后细微偏差才容易暴露。对于连续分布数据还可以用kstest做Kolmogorov-Smirnov检验。比如想验证randn的输出是否真的接近标准正态分布rng(456); z randn(1, 5000); [h, p] kstest(z); % 默认检验标准正态分布这类检验的价值不在于证明“这是完美的随机数”而在于建立一种工程上的信心至少到当前样本量为止数据的行为符合预期。5.2 独立性检验自相关函数看门道均匀性和独立性是两回事。一组数可能各个区间频次都很均匀但相邻两个数之间却存在明显的相关性。用autocorr可以快速检查序列是否存在“记忆”rng(789); x randn(1, 10000); autocorr(x, 20);输出的自相关图里通常会有两条虚线表示95%置信区间落在带内表示该滞后阶数上不存在显著自相关。如果某个滞后阶数的相关超出边界说明序列不是充分独立的仿真结果可能被隐藏的周期结构污染。我曾在旧代码里看到过一个实际案例某LCG生成器的低2位有强周期导致一个随机数从每轮抽取0~3的整数最终仿真结论完全偏离理论值。检查自相关图后才发现问题根源。6. 我在项目中踩过的随机数相关的坑6.1 回归测试不稳定忘记固定种子的代价有段时间我维护一个仿真算法库某个夜间回归测试反复挂掉失败点总在同一个断言输出结果的方差应该落在某个区间。第一次排查时我盯着代码看了很久没发现问题后来才意识到测试脚本里根本没设置随机种子。每次运行时随机序列完全不同方差一会儿高一会儿低阈值判断自然不稳定。解决办法很朴素测试用例开头加一行rng(2024)整个测试过程就完全可复现。但这里有个容易被忽视的补充策略——固定种子只验证了一种随机情形。更稳妥的做法是为回归测试定义一组种子数组轮流跑多个种子把所有结果都纳入断言。这样既保留可复现性又能覆盖更多随机状态下的行为。6.2 parfor并行随机序列雷同另一个坑出现在把for循环改成parfor之后。当时代码在单核上跑得好好的换成并行池后多个worker生成的随机数序列居然一模一样。原因在于每个worker初始状态下都读取了相同的全局默认随机流自然产生相同序列。修法分两种思路一不给每个worker设置随机种子而是使用RandStream的并行流特性让MATLAB自动为每个worker分配独立的子流。思路二手动为不同任务设置不同种子比如rng(workerIndex * 1000)但要注意种的间隔足够大避免生成的初始状态高度相关。我在实际项目里更推荐第一种因为它从机制上保证流之间的独立性而不是依赖seed数值的“人工分类”。6.3 随机初始化细节洗牌、范围和种子策略还有一些不起眼的细节会悄悄拉低实验质量。比如打乱数据集顺序正确做法是用randperm生成随机排列索引而不是先sort(rand)再取排序索引后者本质上做了完全不必要的排序运算而且当数据量很大时数值相同导致的排序不稳定会影响可复现性。关于随机种子策略我的个人习惯是探索阶段用rng(shuffle)让每次尝试都覆盖不同随机路径正式实验和发布代码时固定种子并把种子编号记录在结果文件里。如果评审需要复现只要给出种子值和生成器类型就能完整重放整个过程。这个习惯帮助我在无数次“为什么换台机器结果变了”的排查中幸免于难。说到底真随机数和伪随机数的关系是一个“物理现实与工程便利”的取舍问题。真随机数不可预测但昂贵伪随机数可复现且廉价MATLAB默认给我们的是一套成熟的、可校验的伪随机方案。只要理解了种子、生成器和随机流这三个层次绝大多数仿真和算法实验都能做得既可信又可复现。如果你后面再遇到“随机数不随机”的质疑不妨直接把种子方案和统计检验结果摆出来比争论“它到底是不是真随机”有用得多。