JavaScript 种子随机数实现原理与线性同余生成器解析

前言

前言

种子随机数的应用场景

在前端开发领域，特别是游戏开发场景中，随机数的使用极为频繁。开发者通常会第一时间想到使用 Math.random 函数。让我们先观察一段基础代码示例：

for (var i= 0; i<10; i++) { document.writeln(Math.random() +"<br />"); }

执行上述代码确实可以生成 10 个不同的数字，且支持生成更多数量，表面看起来效果良好。然而，如果仅仅停留在这一层面，本文的讨论便显得多余。

示例

设想一个具体场景：开发一款游戏，用户在游玩中途退出，下次登录时希望从断点处继续。此时，用户的进度和积分等基础数据可以记录，但游戏中随机生成的障碍物、飞行物及装饰元素的位置、大小等信息，若每次重新计算并记录所有画布元素的状态，不仅冗余且效率低下。

种子随机数（Seeded Random）正是解决这一问题的关键。如果在绘制画布元素时设定一个种子值，所有元素的位置和大小均基于该种子计算得出，那么在后续绘制时，只需传入相同的种子，即可完全重现之前的画布元素状态。

此时会发现，JavaScript 内置的 Math.random 无法满足这一需求，因为它不接收种子参数。接下来我们查看具体的实现代码：

Math.seed = 5; Math.seededRandom = function(max, min) { max = max || 1; min = min || 0; Math.seed = (Math.seed * 9301 + 49297) % 233280; var rnd = Math.seed / 233280.0; return min + rnd * (max - min); }; for (var i= 0; i<10; i++) { document.writeln(Math.seededRandom() +"<br /> "); }

运行上述代码可知，只要种子 Math.seed 保持不变，生成的随机数序列将完全一致。引入此函数后，游戏场景的重现机制在理论上即可实现。尽管实际游戏中还需处理更多细节，但核心机制已具备可行性，本文重点不在于构建完整游戏。

线性同余生成器 (LCG) 原理

本文的核心探讨点在于公式：(Math.seed * 9301 + 49297) % 233280。为何选择 9301、49297 和 233280 这三个特定数值？它们背后有何数学依据或特殊来源？

此类生成伪随机数序列的算法被称为线性同余生成器（LCG, Linear Congruential Generator）。绝大多数运行库提供的 rand 函数均采用 LCG 算法，其通用形式为：

I n+1=aI n+c(mod m)

生成的伪随机数序列最大周期为 m，数值范围在 0 到 m-1 之间。为了达到最大周期，必须满足以下条件： 1.c 与 m 互质

2.a - 1 可以被 m 的所有质因数整除

3.如果 m 是 4 的倍数，a - 1 也必须是 4 的倍数

上述三条规则被称为 Hull-Dobell 定理。作为伪随机数生成器，若周期不够大则难以满足实际需求，因此这是必须遵循的要求。基于此，我们选择了 a=9301, c = 49297, m = 233280 这组参数，经验证，该组参数完全满足上述三条定理。

总结

总结

以上内容介绍了 JavaScript 中种子随机数的实现方式及其应用场景，希望能为 JavaScript 学习者提供有价值的参考。