Question

JAVA中随机数是哪个类来完成的？谢谢

Answer 1

Math 类包含基本的数字操作，如指数、对数、平方根和三角函数。

与 StrictMath 类的某些数值方法不同，并不是 Math 类的所有等效函数的实现都定义为返回逐位相同的结果。这一宽限允许在不要求严格可重复性的地方实现更好的性能。

默认情况下，很多 Math 方法仅调用 StrictMath 中的等效方法来完成它们的实现。代码生成器鼓励使用特定于平台的本机库或者在可用的地方使用微处理器指令，来提供对 Math 方法的更高性能的实现。这种更高性能的实现仍然必须遵守 Math 的规范。

实现规范的质量涉及到两种属性，即返回结果的准确性和方法的单调性。浮点 Math 方法的准确性根据 ulp（units in the last place，最后一位的进退位）来衡量。对于一个给定的浮点格式，特定实数值的 ulp 是将该数值括起来的两个浮点值的差。讨论方法的准确性是从整体上考虑的，而不是针对具体的参数，引用的 ulp 数是为了考虑参数的最差情况的误差。如果一个方法的误差总是小于 0.5 ulp，则该方法始终返回最接近准确结果的浮点数；这种方法就是正确舍入。一种正确舍入的方法通常能得到最佳的浮点近似值，然而，对于很多浮点方法来说，进行正确的舍入有些不切实际。相反，对于 Math 类来说，有些方法允许误差在 1 或 2 ulp 的范围内。在非正式情况下，对于 1 ulp 的误差范围，当准确结果是可表示的数值时，应该按照计算结果返回准确结果；否则，返回将准确结果括起来的两个浮点值。对于值很大的准确结果，括号的一端可以是无穷大。除了个别参数的准确性之外，维护不同参数的方法之间的正确关系也很重要。因此，大多数误差大于 0.5 ulp 的方法都要求是半单调的：只要数学函数是非递减的，浮点近似值就是非递减的；同样地，只要数学函数是非递增的，浮点近似值就是非递增的。不是所有准确性为 1 ulp 的近似值都能自动满足单调性要求。

public class Randomextends Objectimplements Serializable此类的实例用于生成伪随机数流。此类使用 48 位的种子，使用线性同余公式对其进行修改（请参阅 Donald Knuth 的《The Art of Computer Programming, Volume 2》，第 3.2.1 节）。

如果用相同的种子创建两个 Random 实例，则对每个实例进行相同的方法调用序列，它们将生成并返回相同的数字序列。为了保证属性的实现，为类 Random 指定了特定的算法。为了 Java 代码的完全可移植性，Java 实现必须让类 Random 使用此处所示的所有算法。但是允许 Random 类的子类使用其他算法，只要其符合所有方法的常规协定即可。

Random 类所实现的算法使用一个 protected 实用工具方法，每次调用它都可提供最多 32 个伪随机生成的位。

很多应用程序会发现 Math 类中的 random 方法更易于使用。

Answer 2

java.lan.Math.random产生一个（0~1.0）的double类型的随机数。
java.util.Random类有nextInt,nextDouble,nextBoolean,nextByte,nextGaussian,nextFloat等方法。

Answer 3

int[] randoms = new int[]{1,2,3,4,5,6,7,8,9,10,11,12,13,14,15};
Random rnd = new Random();
int x = 0;
int count = 0;
if(count != 16)
{
x = rnd.nextInt(15);
if(randoms[x] != -1)
{
String s = Integer.toString(randoms[x]);
System.out.println(s);
}
}

Answer 4

是math函数啊

Answer 5

Math.random()