檢視偽隨機數生成器的原始碼

{| class="wikitable" style="float:right; margin: -10px 0px 10px 20px; text-align:left"
|<center>'''偽隨機數生成器'''<br><img src="https://img-blog.csdn.net/20181013154745228?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5ncWl1bWluZw==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70" width="280"></center><small>[https://www.itread01.com/content/1544816374.html 圖片來自itread01]</small> 
|}

'''伪随机数生成器'''（pseudo random number generator，'''PRNG'''），又被称为'''确定性随机比特生成器'''（deterministic random bit generator，'''DRBG'''），是一个生成[[數字列表|数字序列]]的算法，其特性近似于[[随机数]]序列的特性。PRNG生成的序列并不是[[真随机]]，因此它完全由一个初始值决定，这个初始值被称为PRNG的随机种子|Random seed（seed，但这个种子可能包含真随机数）。尽管接近于真随机的序列可以通过[[硬件随机数生成器]]生成，但伪随机数生成器因为其生成速度和可再现的优势，在实践中也很重要。


'''PRNG'''是[[模拟]]（例如，[[蒙特卡洛方法]]<ref>[https://wiki.mbalib.com/zh-tw/%E8%92%99%E7%89%B9%E5%8D%A1%E7%BD%97%E6%96%B9%E6%B3%95 蒙特卡洛方法]，mbalib</ref> ）、[[电子游戏]]（例如[[过程生成]]）以及[[密码学]]等应用的核心。加密应用程序要求不能从以前的输出中预测输出，而且更复杂的、不具有简单PRNGs线性特性的算法是必要的。

良好的统计特性，是PRNG的核心。通常，需要严格的[[数学分析]]来证明PRNG生成的序列足够接近真随机以满足预期用途。[[John von Neumann]]警告不要把PRNG错误地解释为真随机数生成器，还开玩笑说：“任何使用[[算术方法]]生成随机数的人，都是有罪的”。