演算法隨機硬體

① 演算法和隨機性檢測的工具有哪些

早期的有邊緣運算元法、曲線擬合法、模板匹配法、門限化法。近年來又有許多新的邊緣檢測的演算法:小波變換、小波包的邊緣檢測等，基於數學形態學、模糊理論和神經網路的邊緣檢測演算法等。

② 電腦中的隨機數是怎麼生成的（硬體方面的原理）

http://ke..com/view/1127.htm

偽隨機數的生成方法
一般地，偽隨機數的生成方法主要有以下3種[6]：
（1） 直接法（Direct Method），根據分布函數的物理意義生成。缺點是僅適用於某些具有特殊分布的隨機數，如二項式分布、泊松分布。
（2） 逆轉法（Inversion Method），假設U服從[0，1]區間上的均勻分布，令X=F-1（U），則X的累計分布函數（CDF）為F。該方法原理簡單、編程方便、適用性廣。
（3）接受拒絕法（Acceptance-Rejection Method）：假設希望生成的隨機數的概率密度函數（PDF）為f，則首先找到一個PDF為g的隨機數發生器與常數c，使得f
[偽隨機數發生器]

偽隨機數發生器
（x）≤cg（x），然後根據接收拒絕演算法求解。由於演算法平均運算c次才能得到一個希望生成的隨機數，因此c的取值必須盡可能小。顯然，該演算法的缺點是較難確定g與c。 因此，偽隨機數生成器（PRNG）一般採用逆轉法，其基礎是均勻分布，均勻分布PRNG的優劣決定了整個隨機數體系的優劣[7]。下文研究均勻分布的 PRNG。
隨機數的「廬山真面目」
首先需要聲明的是，計算機不會產生絕對隨機的隨機數，計算機只能產生「偽隨機數」。其實絕對隨機的隨機數只是一種理想的隨機數，即使計算機怎樣發展，它也不會產生一串絕對隨機的隨機數。計算機只能生成相對的隨機數，即偽隨機數。
偽隨機數並不是假隨機數，這里的「偽」是有規律的意思，就是計算機產生的偽隨機數既是隨機的又是有規律的。怎樣理解呢？產生的偽隨機數有時遵守一定的規律，有時不遵守任何規律；偽隨機數有一部分遵守一定的規律；另一部分不遵守任何規律。比如「世上沒有兩片形狀完全相同的樹葉」，這正是點到了事物的特性，即隨機性，但是每種樹的葉子都有近似的形狀，這正是事物的共性，即規律性。從這個角度講，你大概就會接受這樣的事實了：計算機只能產生偽隨機數而不能產生絕對隨機的隨機數。（嚴格地說，這里的計算機是指由馮諾依曼思想發展起來的電子計算機。而未來的量子計算機有可能產生基於自然規律的不可重現的「真」隨機數）。

③ 演算法決定一切究竟哪種掃地機器人更優秀

【IT168評測】這幾年掃地機器人越來越火，但消費者在選購時，發現似乎每款產品其路徑規劃演算法都不一樣，由最初隨機演算法，到簡單規劃演算法，再到激光slam以及視覺slam演算法等，看得人眼花繚亂，那麼這些演算法究竟都是什麼呢?演算法的好壞是否能決定掃地機器人的優劣呢?

首先我們先要明確的是選購掃地機器人第一需求是：掃的干凈掃得快。

掃的干凈主要取決於清掃系統的設計和吸塵風機的功率，而清掃效率最有力的的保障則是掃地機器人擁有一套非常智能的路徑規劃演算法。

常見的掃地機器人演算法大致分為兩種：隨機覆蓋法和路徑規劃式清掃。

優點：多種行走方式加三段式清掃，還會自動感應臟污程度進行重點打掃，基本不留死角，清潔程度更高。

缺點：重復清掃且路徑隨機，代價就是清掃效率較低，更費時間，而且隨機碰撞式的清掃過程看著實在捉急。同時此類產品由於技術原因造價更高，售價自然更是居高不下。另外各品牌技術的不同，會直接影響清掃效果，並不是所有品牌的隨機覆蓋清掃的掃地機器人都能掃得很乾凈。

推薦人群:適合上班族或家中有寵物的用戶購買，雖然清掃時間長但清潔程度更高。

推薦機型：

1、艾羅伯特（iRobot）Roomba961（價格4999元）【點擊查看詳情】

NO、2 路徑規劃式清掃

通過定位系統准確規劃路線，實現規劃式的工字型打掃，清掃路徑十分規矩，不會重復清理，常見的Neato、Proscenic和小米掃地機器人都是這種路徑規劃式清掃。

優點：因為有路徑規劃，所以它很清楚自己掃過了哪些地方，不會重復清掃，使得清潔效率更高、耗時更少。

缺點：清掃方式機械，不重復清掃的話可能會有被遺漏的區域，而且清掃過程中被吹飛的灰塵和垃圾可能被錯過。

推薦人群：家中雜物較多或擁有大戶型的用戶購買，節省時間不鬧心。

推薦機型：

1、米家石頭掃地機器人（價格2499元）【點擊查看詳情】

2、Neato D75掃地機機器人（價格3299元）【點擊查看詳情】

總結：掃地機器人買回家的目的就是會認路、掃得快、掃的干凈，雖然在路徑規劃上解決方案有很多，但其精髓並不是硬體有多厲害，重在其定位系統和演算法。如果一定要小編來比較一下的話，還是建議大家購買路徑規劃式清掃的掃地機器人，價格實惠，方便省心，快捷干凈，能夠滿足大多數人的家庭清潔需要。

④ SM2國密必須需要加密機嗎，我搜了一下軟演算法也可以，有什麼需要注意的

加密機通過硬體實現SM2，和通過軟演算法實現，理論上計算結果是一樣的。
主要存在的問題在於安全性。
第一是密鑰的使用和保護，如果你通過軟演算法實現，密鑰必然要保存在你的PC或者伺服器上，如何能夠安全地保存是個問題。
第二是計算過程，用軟演算法實現必然要在伺服器內存中進行加解密計算，這也是存在安全隱患的。而加密機實現的話，可以認為是個安全的計算環境，不容易被竊取。
第三是SM2演算法計算中需要隨機數參與，而隨機數的隨機性一般也是要靠硬體雜訊源保證的，這也需要加密機內置的雜訊源晶元。
所以如果你是企業生產環境使用，必然是建議使用加密機硬體設備。如果你只是自己隨便測試，倒是問題不大。

⑤ matlab中如何產生非偽隨機數，即真正的隨機數怎麼生成，求高手指點

真正的隨機數只能通過硬體實現，通過軟體實現的都是偽隨機數。

真正的隨機數是得通過現實世界中隨機發生的物理事件來產生的，如放射性物質隨機數發生器是通過某種放射性物質放射出的粒子數來獲得隨機數，還有通過電路產生高頻雜訊來獲得隨機數等。不能每台PC都買一個硬體隨機數發生器。在這種原因下，就出現了使用軟體方法來產生隨機數的演算法。通過軟體方法產生的隨機數都成為偽隨機數，因為它們都不是真正的隨機數。

所謂偽隨機數，就是找到一組數目巨大的數，這組數的出現符合一定的概率分布，並且這組數能通過相應的隨機性測試，這樣我們就能使用這組數來湊合「頂替」真正的隨機數來應用了。matlab默認使用的隨機數生成演算法Mersenne twister是目前較好的一種偽隨機數產生演算法，可以滿足很多場合的應用，如蒙特卡羅模擬等。

總之，matlab中是不可能產生非偽隨機數，即真正的隨機數的

⑥ 隨機數演算法是什麼

在計算機中並沒有一個真正的隨機數發生器，但是可以做到使產生的數字重復率很低，這樣看起來好象是真正的隨機數，實現這一功能的程序叫偽隨機數發生器。有關如何產生隨機數的理論有許多如果要詳細地討論，需要厚厚的一本書的篇幅。不管用什麼方法實現隨機數發生器，都必須給它提供一個名為「種子」的初始值。而且這個值最好是隨機的，或者至少這個值是偽隨機的。「種子」的值通常是用快速計數寄存器或移位寄存器來生成的。下面講一講在C語言里所提供的隨機數發生器的用法。現在的C編譯器都提供了一個基於ANSI標準的偽隨機數發生器函數，用來生成隨機數。它們就是rand（）和srand（）函數。這二個函數的工作過程如下：」）首先給srand（）提供一個種子，它是一個unsignedint類型，其取值范圍從0～65535；2）然後調用rand（），它會根據提供給srand（）的種子值返回一個隨機數（在0到32767之間）3）根據需要多次調用rand（），從而不間斷地得到新的隨機數；4）無論什麼時候，都可以給srand（）提供一個新的種子，從而進一步「隨機化」rand（）的輸出結果。這個過程看起來很簡單，問題是如果你每次調用srand（）時都提供相同的種子值，那麼，你將會得到相同的隨機數序列，這時看到的現象是沒有隨機數，而每一次的數都是一樣的了。例如，在以17為種子值調用srand（）之後，在首次調用rand（）時，得到隨機數94。在第二次和第三次調用rand（）時將分別得到26602和30017，這些數看上去是很隨機的（盡管這只是一個很小的數據點集合），但是，在你再次以17為種子值調用srand（）後，在對於rand（）的前三次調用中，所得的返回值仍然是在對94，26602，30017，並且此後得到的返回值仍然是在對rand（）的第一批調用中所得到的其餘的返回值。因此只有再次給srand（）提供一個隨機的種子值，才能再次得到一個隨機數。下面的例子用一種簡單而有效的方法來產生一個相當隨機的「種子」值－－－－當天的時間值：g＃椋睿悖歟醯洌澹Γ歟簦唬螅簦洌椋錚瑁Γ紓簦弧。＃椋睿悖歟醯洌澹Γ歟簦唬螅簦洌歟椋猓瑁Γ紓簦弧。＃椋睿悖歟醯洌澹Γ歟簦唬螅螅Γ＃矗罰唬簦穡澹螅瑁Γ紓簦弧。＃椋睿悖歟醯洌澹Γ歟簦唬螅螅Γ＃矗罰唬簦椋恚澹猓瑁Γ紓簦弧。觶錚椋洹。恚幔椋睿ǎ觶錚椋洌。。椋睿簟。椋弧。醯睿螅椋紓睿澹洹。椋睿簟。螅澹澹洌鄭幔歟弧。螅簦潁醯悖簟。簦椋恚澹狻。簦椋恚澹攏醯媯弧。媯簦椋恚澹ǎΓ幔恚穡唬簦椋恚澹攏醯媯弧。螅澹澹洌鄭幔歟劍ǎǎǎǎ醯睿螅椋紓睿澹洹。椋睿簦簦椋恚澹攏醯媯簦椋恚澹Γ幔恚穡唬埃疲疲疲疲。ǎ醯睿螅椋紓睿澹洹。椋睿簦簦椋恚澹攏醯媯恚椋歟歟椋簦恚蕖。ǎ醯睿螅椋紓睿澹洹。椋睿簦簦椋恚澹攏醯媯恚椋歟歟椋簦恚弧。螅潁幔睿洌ǎǎ醯睿螅椋紓睿澹洹。椋睿簦螅澹澹洌鄭幔歟弧。媯錚潁ǎ椋劍埃唬椋Γ歟簦唬保埃唬椋。穡潁椋睿簦媯ǎΓ瘢醯錚簦唬ィ叮洌Γ＃梗玻唬睿Γ瘢醯錚簦籦egjrand（））；｝上面的程序先是調用＿ftime（）來檢查當前時間yc並把它的值存入結構成員timeBuf．time中wae當前時間的值從1970年1月1日開始以秒計算aeh在調用了＿ftime（）之後在結構timeBuf的成員millitm中還存入了當前那一秒已經度過的毫秒數，但在DOS中這個數字實際上是以百分之一秒來計算的。然後，把毫秒數和秒數相加，再和毫秒數進行異或運算。當然也可以對這兩個結構成員進行更多的計算，以控制se．．．．．．餘下全文＞＞

⑦ Windows98/XP的虛擬存儲器採用的頁面調度演算法是什麼

1 隨機演算法
用軟體或硬體隨機數產生器確定替換的頁面。
2 先進先出
先調入主存的頁面先替換。
3 近期最少使用演算法
替換最長時間不用的頁面。
4 最優演算法
替換最長時間以後才使用的頁面。這是理想化的演算法，只能作為衡量其他各種演算法優劣的標准。

⑧ 什麼事虛擬存儲器.其實現方式有哪些

指將多個不同類型、獨立存在的物理存儲體，通過軟、硬體技術，集成轉化為一個邏輯上的虛擬的存儲單元，集中管理供用戶統一使用。這個虛擬邏輯存儲單元的存儲容量是它所集中管理的各物理存儲體的存儲量的總和，而它具有的訪問帶寬則在一定程度上接近各個物理存儲體的訪問帶寬之和。

從虛擬化存儲的拓撲結構來講主要有兩種方式：即對稱式與非對稱式。對稱式虛擬存儲技術指虛擬存儲控制設備與存儲軟體系統、交換設備集成為一個整體，內嵌在網路數據傳輸路徑中；非對稱式虛擬存儲技術指虛擬存儲控制設備獨立於數據傳輸路徑之外。從虛擬化存儲的實現原理來講也有兩種方式；即數據塊虛擬與虛擬文件系統。

(8)演算法隨機硬體擴展閱讀

虛擬存儲器地址變換基本上有3種形虛擬存儲器工作過程式：全聯想變換、直接變換和組聯想變換。任何邏輯空間頁面能夠變換到物理空間任何頁面位置的方式稱為全聯想變換。每個邏輯空間頁面只能變換到物理空間一個特定頁面的方式稱為直接變換。

組聯想變換是指各組之間是直接變換，而組內各頁間則是全聯想變換。替換規則用來確定替換主存中哪一部分，以便騰空部分主存，存放來自輔存要調入的那部分內容。常見的替換演算法有4種。

1、隨機演算法：用軟體或硬體隨機數產生器確定替換的頁面。

2、先進先出：先調入主存的頁面先替換。

3、近期最少使用演算法（LRU，Least Recently Used）：替換最長時間不用的頁面。

4、最優演算法：替換最長時間以後才使用的頁面。這是理想化的演算法，只能作為衡量其他各種演算法優劣的標准。

⑨ 虛擬存儲器採用的頁面調度演算法是「先進先出」（FIFO）演算法嗎

虛擬存儲器採用的頁面調度演算法是「先進先出」（FIFO）演算法嗎。常見的替換演算法有4種。

①隨機演算法：用軟體或硬體隨機數產生器確定替換的頁面。

②先進先出：先調入主存的頁面先替換。

③近期最少使用演算法（LRU，Least Recently Used）：替換最長時間不用的頁面。

④最優演算法：替換最長時間以後才使用的頁面。這是理想化的演算法，只能作為衡量其他各種演算法優劣的標准。

虛擬存儲器的效率是系統性能評價的重要內容，它與主存容量、頁面大小、命中率，程序局部性和替換演算法等因素有關。

(9)演算法隨機硬體擴展閱讀

虛擬存儲器地址變換基本上有3種形虛擬存儲器工作過程式：全聯想變換、直接變換和組聯想變換。任何邏輯空間頁面能夠變換到物理空間任何頁面位置的方式稱為全聯想變換。每個邏輯空間頁面只能變換到物理空間一個特定頁面的方式稱為直接變換。

組聯想變換是指各組之間是直接變換，而組內各頁間則是全聯想變換。替換規則用來確定替換主存中哪一部分，以便騰空部分主存，存放來自輔存要調入的那部分內容。

在段式虛擬存儲系統中，虛擬地址由段號和段內地址組成，虛擬地址到實存地址的變換通過段表來實現。每個程序設置一個段表，段表的每一個表項對應一個段，每個表項至少包括三個欄位：有效位(指明該段是否已經調入主存)、段起址(該段在實存中的首地址)和段長(記錄該段的實際長度)。

⑩ 隨機數演算法是什麼

在計算機中並沒有一個真正的隨機數發生器，但是可以做到使產生的數字重復率很低，這樣看起來好象是真正的隨機數，實現這一功能的程序叫偽隨機數發生器。有關如何產生隨機數的理論有許多如果要詳細地討論，需要厚厚的一本書的篇幅。不管用什麼方法實現隨機數發生器，都必須給它提供一個名為「種子」的初始值。而且這個值最好是隨機的，或者至少這個值是偽隨機的。「種子」的值通常是用快速計數寄存器或移位寄存器來生成的。下面講一講在C語言里所提供的隨機數發生器的用法。現在的C編譯器都提供了一個基於ANSI標準的偽隨機數發生器函數，用來生成隨機數。它們就是rand（）和srand（）函數。這二個函數的工作過程如下：」）首先給srand（）提供一個種子，它是一個unsignedint類型，其取值范圍從0～65535；2）然後調用rand（），它會根據提供給srand（）的種子值返回一個隨機數（在0到32767之間）3）根據需要多次調用rand（），從而不間斷地得到新的隨機數；4）無論什麼時候，都可以給srand（）提供一個新的種子，從而進一步「隨機化」rand（）的輸出結果。這個過程看起來很簡單，問題是如果你每次調用srand（）時都提供相同的種子值，那麼，你將會得到相同的隨機數序列，這時看到的現象是沒有隨機數，而每一次的數都是一樣的了。例如，在以17為種子值調用srand（）之後，在首次調用rand（）時，得到隨機數94。在第二次和第三次調用rand（）時將分別得到26602和30017，這些數看上去是很隨機的（盡管這只是一個很小的數據點集合），但是，在你再次以17為種子值調用srand（）後，在對於rand（）的前三次調用中，所得的返回值仍然是在對94，26602，30017，並且此後得到的返回值仍然是在對rand（）的第一批調用中所得到的其餘的返回值。因此只有再次給srand（）提供一個隨機的種子值，才能再次得到一個隨機數。下面的例子用一種簡單而有效的方法來產生一個相當隨機的「種子」值－－－－當天的時間值：g＃椋睿悖歟醯洌澹Γ歟簦唬螅簦洌椋錚瑁Γ紓簦弧。＃椋睿悖歟醯洌澹Γ歟簦唬螅簦洌歟椋猓瑁Γ紓簦弧。＃椋睿悖歟醯洌澹Γ歟簦唬螅螅Γ＃矗罰唬簦穡澹螅瑁Γ紓簦弧。＃椋睿悖歟醯洌澹Γ歟簦唬螅螅Γ＃矗罰唬簦椋恚澹猓瑁Γ紓簦弧。觶錚椋洹。恚幔椋睿ǎ觶錚椋洌。。椋睿簟。椋弧。醯睿螅椋紓睿澹洹。椋睿簟。螅澹澹洌鄭幔歟弧。螅簦潁醯悖簟。簦椋恚澹狻。簦椋恚澹攏醯媯弧。媯簦椋恚澹ǎΓ幔恚穡唬簦椋恚澹攏醯媯弧。螅澹澹洌鄭幔歟劍ǎǎǎǎ醯睿螅椋紓睿澹洹。椋睿簦簦椋恚澹攏醯媯簦椋恚澹Γ幔恚穡唬埃疲疲疲疲。ǎ醯睿螅椋紓睿澹洹。椋睿簦簦椋恚澹攏醯媯恚椋歟歟椋簦恚蕖。ǎ醯睿螅椋紓睿澹洹。椋睿簦簦椋恚澹攏醯媯恚椋歟歟椋簦恚弧。螅潁幔睿洌ǎǎ醯睿螅椋紓睿澹洹。椋睿簦螅澹澹洌鄭幔歟弧。媯錚潁ǎ椋劍埃唬椋Γ歟簦唬保埃唬椋。穡潁椋睿簦媯ǎΓ瘢醯錚簦唬ィ叮洌Γ＃梗玻唬睿Γ瘢醯錚簦籦egjrand（））；｝上面的程序先是調用＿ftime（）來檢查當前時間yc並把它的值存入結構成員timeBuf．time中wae當前時間的值從1970年1月1日開始以秒計算aeh在調用了＿ftime（）之後在結構timeBuf的成員millitm中還存入了當前那一秒已經度過的毫秒數，但在DOS中這個數字實際上是以百分之一秒來計算的。然後，把毫秒數和秒數相加，再和毫秒數進行異或運算。當然也可以對這兩個結構成員進行更多的計算，以控制se．．．．．．餘下全文＞＞