Random类和Math.random()方法生成随机数

一、Random类

Random类位于java.util包中,是一个生成随机数的工具类,里面包含很多生成随机数的方法,随机数的种类也很多,构造方法:

//创建一个新的随机数生成器
Random()
//使用一个long类型的种子创建一个新的随机数生成器
Random(long seed)

下面使用简单程序比较构造方法传入种子和不传入种子的区别:

public static void main(String[] args) {
        for (int i = 0 ; i < 5; i++){
            Random random = new Random();
            System.out.print("不传入种子:");
            for (int j = 0 ; j < 5; j++){
                System.out.print(random.nextInt(50) + " ");
            }
            Random random1 = new Random(30);
            System.out.print("传入种子:");
            for (int j = 0 ; j < 5; j++){
                System.out.print(random1.nextInt(50) + " ");
            }
            System.out.println();
        }
    }

运行结果显示,不传入种子时每次随机生成,传入种子后,无论生成多少次,随机数序列都是固定的。

运行结果:
不传入种子:33 7 0 43 40 传入种子:6 18 15 4 36 
不传入种子:32 36 42 8 44 传入种子:6 18 15 4 36 
不传入种子:35 10 30 41 15 传入种子:6 18 15 4 36 
不传入种子:7 21 10 38 48 传入种子:6 18 15 4 36 
不传入种子:10 38 8 26 20 传入种子:6 18 15 4 36 

常用方法:

int nextInt()           //随机生成int类型的随机数
int nextInt(int bound) //随机生成0~bound范围内int类型的随机数
long nextLong()         //随机生成long类型的随机数
float nextFloat()         //随机生成float类型的随机数
double nextDouble()       //随机生成double类型的随机数
boolean nextBoolean()     //随机生成boolean类型的随机数

常用方法示例:

public static void main(String args[]){
        Random random = new Random();
        System.out.println("int类型的随机数:" + random.nextInt());
        System.out.println("0~100之间int类型的随机数:" + random.nextInt(100));
        System.out.println("long类型的随机数:" + random.nextLong());
        System.out.println("float类型的随机数:" + random.nextFloat());
        System.out.println("double类型的随机数:" + random.nextDouble());
        System.out.println("boolean类型的随机数:" + random.nextBoolean());
    }
运行结果:
int类型的随机数:-1922584787
0~100之间int类型的随机数:77
long类型的随机数:810046470795953043
float类型的随机数:0.099689186
double类型的随机数:0.22017380615351756
boolean类型的随机数:false

二、Math.random()方法

Math类位于java.lang包中,类中包含了基本数字运算的静态方法,Math.random()方法作用是生成一个0.0~1.0的double类型随机数。

下面程序随机生成10个大于等于0.0小于1.0的随机数:

public static void main(String[] args) {
        for (int i = 0 ; i < 10 ; i++){
            System.out.println("随机生成一个大于等于0.0小于1.0的数 :" + Math.random());
        }
    }
运行结果:
随机生成一个大于等于0.0小于1.0的数 :0.6733948523337862
随机生成一个大于等于0.0小于1.0的数 :0.437521060962653
随机生成一个大于等于0.0小于1.0的数 :0.6165672093624672
随机生成一个大于等于0.0小于1.0的数 :0.9604598185026124
随机生成一个大于等于0.0小于1.0的数 :0.4669270016086634
随机生成一个大于等于0.0小于1.0的数 :0.9466395132261689
随机生成一个大于等于0.0小于1.0的数 :0.9791012995327195
随机生成一个大于等于0.0小于1.0的数 :0.07037790797911325
随机生成一个大于等于0.0小于1.0的数 :0.23209136646463813
随机生成一个大于等于0.0小于1.0的数 :0.8948266746875501
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,616评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,020评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,078评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,040评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,154评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,265评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,298评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,072评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,491评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,795评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,970评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,654评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,272评论 3 318
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,985评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,223评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,815评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,852评论 2 351