BlockWerk 文档
ENNLDEFRESZH
进入画布
🎲

Random

Sources

使用确定性伪随机数生成器（PRNG：xorshift64）生成伪随机数。支持均匀分布和高斯（正态）分布。相同的种子（seed）将产生完全相同的随机数序列。

在 BlockWerk 中仿真

浏览器即开即用的交互式仿真环境 — 无需安装，由 WebAssembly 强力驱动。

在 BlockWerk 中仿真 →

数学模型

Uniform:y∼U(min,max)Gaussian:y∼N(μ,σ)\begin{aligned} &\text{Uniform:} && y \sim \mathcal{U}(\text{min}, \text{max}) \\ &\text{Gaussian:} && y \sim \mathcal{N}(\mu, \sigma) \end{aligned}

通过具有可配置种子的 xorshift64 伪随机数生成器实现。相同的种子始终生成相同的随机序列。

输入与输出

Direction ID Label 类型 Status
← Out out Out number Output

参数

参数 Label 类型 默认值 描述
distribution Distribution select uniform
minimum Minimum number 0
maximum Maximum number 1
mean Mean number 0
stdDev Std Dev number 1
seed Seed number 12345

使用示例

  • 模拟传感器噪声：通过 Sum 方块将 RandomNumber（Gaussian，均值 0，标准差 0.05）叠加到传感器信号上。
  • 使用固定种子进行可复现的蒙特卡洛参数扫描。

说明与最佳实践

  • 确定性：相同的种子始终产生相同的序列 — 这对可复现的仿真实验至关重要。
  • 种子为 0：使用系统熵进行初始化（真正的非确定性随机启动）。
  • 高斯分布：用于传感器噪声、测量不确定性和蒙特卡洛（Monte Carlo）分析。
  • 均匀分布：用于抖动（dithering）、随机初始条件和随机舍入。
  • 性能：xorshift64 速度极快，可并行运行成千上万个独立的随机数方块。

相关模块