算法随机硬件

① 算法和随机性检测的工具有哪些

早期的有边缘算子法、曲线拟合法、模板匹配法、门限化法。近年来又有许多新的边缘检测的算法:小波变换、小波包的边缘检测等，基于数学形态学、模糊理论和神经网络的边缘检测算法等。

② 电脑中的随机数是怎么生成的（硬件方面的原理）

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

伪随机数的生成方法
一般地，伪随机数的生成方法主要有以下3种[6]：
（1） 直接法（Direct Method），根据分布函数的物理意义生成。缺点是仅适用于某些具有特殊分布的随机数，如二项式分布、泊松分布。
（2） 逆转法（Inversion Method），假设U服从[0，1]区间上的均匀分布，令X=F-1（U），则X的累计分布函数（CDF）为F。该方法原理简单、编程方便、适用性广。
（3）接受拒绝法（Acceptance-Rejection Method）：假设希望生成的随机数的概率密度函数（PDF）为f，则首先找到一个PDF为g的随机数发生器与常数c，使得f
[伪随机数发生器]

伪随机数发生器
（x）≤cg（x），然后根据接收拒绝算法求解。由于算法平均运算c次才能得到一个希望生成的随机数，因此c的取值必须尽可能小。显然，该算法的缺点是较难确定g与c。 因此，伪随机数生成器（PRNG）一般采用逆转法，其基础是均匀分布，均匀分布PRNG的优劣决定了整个随机数体系的优劣[7]。下文研究均匀分布的 PRNG。
随机数的“庐山真面目”
首先需要声明的是，计算机不会产生绝对随机的随机数，计算机只能产生“伪随机数”。其实绝对随机的随机数只是一种理想的随机数，即使计算机怎样发展，它也不会产生一串绝对随机的随机数。计算机只能生成相对的随机数，即伪随机数。
伪随机数并不是假随机数，这里的“伪”是有规律的意思，就是计算机产生的伪随机数既是随机的又是有规律的。怎样理解呢？产生的伪随机数有时遵守一定的规律，有时不遵守任何规律；伪随机数有一部分遵守一定的规律；另一部分不遵守任何规律。比如“世上没有两片形状完全相同的树叶”，这正是点到了事物的特性，即随机性，但是每种树的叶子都有近似的形状，这正是事物的共性，即规律性。从这个角度讲，你大概就会接受这样的事实了：计算机只能产生伪随机数而不能产生绝对随机的随机数。（严格地说，这里的计算机是指由冯诺依曼思想发展起来的电子计算机。而未来的量子计算机有可能产生基于自然规律的不可重现的“真”随机数）。

③ 算法决定一切究竟哪种扫地机器人更优秀

【IT168评测】这几年扫地机器人越来越火，但消费者在选购时，发现似乎每款产品其路径规划算法都不一样，由最初随机算法，到简单规划算法，再到激光slam以及视觉slam算法等，看得人眼花缭乱，那么这些算法究竟都是什么呢?算法的好坏是否能决定扫地机器人的优劣呢?

首先我们先要明确的是选购扫地机器人第一需求是：扫的干净扫得快。

扫的干净主要取决于清扫系统的设计和吸尘风机的功率，而清扫效率最有力的的保障则是扫地机器人拥有一套非常智能的路径规划算法。

常见的扫地机器人算法大致分为两种：随机覆盖法和路径规划式清扫。

优点：多种行走方式加三段式清扫，还会自动感应脏污程度进行重点打扫，基本不留死角，清洁程度更高。

缺点：重复清扫且路径随机，代价就是清扫效率较低，更费时间，而且随机碰撞式的清扫过程看着实在捉急。同时此类产品由于技术原因造价更高，售价自然更是居高不下。另外各品牌技术的不同，会直接影响清扫效果，并不是所有品牌的随机覆盖清扫的扫地机器人都能扫得很干净。

推荐人群:适合上班族或家中有宠物的用户购买，虽然清扫时间长但清洁程度更高。

推荐机型：

1、艾罗伯特（iRobot）Roomba961（价格4999元）【点击查看详情】

NO、2 路径规划式清扫

通过定位系统准确规划路线，实现规划式的工字型打扫，清扫路径十分规矩，不会重复清理，常见的Neato、Proscenic和小米扫地机器人都是这种路径规划式清扫。

优点：因为有路径规划，所以它很清楚自己扫过了哪些地方，不会重复清扫，使得清洁效率更高、耗时更少。

缺点：清扫方式机械，不重复清扫的话可能会有被遗漏的区域，而且清扫过程中被吹飞的灰尘和垃圾可能被错过。

推荐人群：家中杂物较多或拥有大户型的用户购买，节省时间不闹心。

推荐机型：

1、米家石头扫地机器人（价格2499元）【点击查看详情】

2、Neato D75扫地机机器人（价格3299元）【点击查看详情】

总结：扫地机器人买回家的目的就是会认路、扫得快、扫的干净，虽然在路径规划上解决方案有很多，但其精髓并不是硬件有多厉害，重在其定位系统和算法。如果一定要小编来比较一下的话，还是建议大家购买路径规划式清扫的扫地机器人，价格实惠，方便省心，快捷干净，能够满足大多数人的家庭清洁需要。

④ SM2国密必须需要加密机吗，我搜了一下软算法也可以，有什么需要注意的

加密机通过硬件实现SM2，和通过软算法实现，理论上计算结果是一样的。
主要存在的问题在于安全性。
第一是密钥的使用和保护，如果你通过软算法实现，密钥必然要保存在你的PC或者服务器上，如何能够安全地保存是个问题。
第二是计算过程，用软算法实现必然要在服务器内存中进行加解密计算，这也是存在安全隐患的。而加密机实现的话，可以认为是个安全的计算环境，不容易被窃取。
第三是SM2算法计算中需要随机数参与，而随机数的随机性一般也是要靠硬件噪声源保证的，这也需要加密机内置的噪声源芯片。
所以如果你是企业生产环境使用，必然是建议使用加密机硬件设备。如果你只是自己随便测试，倒是问题不大。

⑤ matlab中如何产生非伪随机数，即真正的随机数怎么生成，求高手指点

真正的随机数只能通过硬件实现，通过软件实现的都是伪随机数。

真正的随机数是得通过现实世界中随机发生的物理事件来产生的，如放射性物质随机数发生器是通过某种放射性物质放射出的粒子数来获得随机数，还有通过电路产生高频噪声来获得随机数等。不能每台PC都买一个硬件随机数发生器。在这种原因下，就出现了使用软件方法来产生随机数的算法。通过软件方法产生的随机数都成为伪随机数，因为它们都不是真正的随机数。

所谓伪随机数，就是找到一组数目巨大的数，这组数的出现符合一定的概率分布，并且这组数能通过相应的随机性测试，这样我们就能使用这组数来凑合“顶替”真正的随机数来应用了。matlab默认使用的随机数生成算法Mersenne twister是目前较好的一种伪随机数产生算法，可以满足很多场合的应用，如蒙特卡罗模拟等。

总之，matlab中是不可能产生非伪随机数，即真正的随机数的

⑥ 随机数算法是什么

在计算机中并没有一个真正的随机数发生器，但是可以做到使产生的数字重复率很低，这样看起来好象是真正的随机数，实现这一功能的程序叫伪随机数发生器。有关如何产生随机数的理论有许多如果要详细地讨论，需要厚厚的一本书的篇幅。不管用什么方法实现随机数发生器，都必须给它提供一个名为“种子”的初始值。而且这个值最好是随机的，或者至少这个值是伪随机的。“种子”的值通常是用快速计数寄存器或移位寄存器来生成的。下面讲一讲在C语言里所提供的随机数发生器的用法。现在的C编译器都提供了一个基于ANSI标准的伪随机数发生器函数，用来生成随机数。它们就是rand（）和srand（）函数。这二个函数的工作过程如下：”）首先给srand（）提供一个种子，它是一个unsignedint类型，其取值范围从0～65535；2）然后调用rand（），它会根据提供给srand（）的种子值返回一个随机数（在0到32767之间）3）根据需要多次调用rand（），从而不间断地得到新的随机数；4）无论什么时候，都可以给srand（）提供一个新的种子，从而进一步“随机化”rand（）的输出结果。这个过程看起来很简单，问题是如果你每次调用srand（）时都提供相同的种子值，那么，你将会得到相同的随机数序列，这时看到的现象是没有随机数，而每一次的数都是一样的了。例如，在以17为种子值调用srand（）之后，在首次调用rand（）时，得到随机数94。在第二次和第三次调用rand（）时将分别得到26602和30017，这些数看上去是很随机的（尽管这只是一个很小的数据点集合），但是，在你再次以17为种子值调用srand（）后，在对于rand（）的前三次调用中，所得的返回值仍然是在对94，26602，30017，并且此后得到的返回值仍然是在对rand（）的第一批调用中所得到的其余的返回值。因此只有再次给srand（）提供一个随机的种子值，才能再次得到一个随机数。下面的例子用一种简单而有效的方法来产生一个相当随机的“种子”值－－－－当天的时间值：g＃椋睿悖欤酰洌澹Γ欤簦唬螅簦洌椋铮瑁Γ纾簦弧。＃椋睿悖欤酰洌澹Γ欤簦唬螅簦洌欤椋猓瑁Γ纾簦弧。＃椋睿悖欤酰洌澹Γ欤簦唬螅螅Γ＃矗罚唬簦穑澹螅瑁Γ纾簦弧。＃椋睿悖欤酰洌澹Γ欤簦唬螅螅Γ＃矗罚唬簦椋恚澹猓瑁Γ纾簦弧。觯铮椋洹。恚幔椋睿ǎ觯铮椋洌。。椋睿簟。椋弧。酰睿螅椋纾睿澹洹。椋睿簟。螅澹澹洌郑幔欤弧。螅簦颍酰悖簟。簦椋恚澹狻。簦椋恚澹拢酰妫弧。妫簦椋恚澹ǎΓ幔恚穑唬簦椋恚澹拢酰妫弧。螅澹澹洌郑幔欤剑ǎǎǎǎ酰睿螅椋纾睿澹洹。椋睿簦簦椋恚澹拢酰妫簦椋恚澹Γ幔恚穑唬埃疲疲疲疲。ǎ酰睿螅椋纾睿澹洹。椋睿簦簦椋恚澹拢酰妫恚椋欤欤椋簦恚蕖。ǎ酰睿螅椋纾睿澹洹。椋睿簦簦椋恚澹拢酰妫恚椋欤欤椋簦恚弧。螅颍幔睿洌ǎǎ酰睿螅椋纾睿澹洹。椋睿簦螅澹澹洌郑幔欤弧。妫铮颍ǎ椋剑埃唬椋Γ欤簦唬保埃唬椋。穑颍椋睿簦妫ǎΓ瘢酰铮簦唬ィ叮洌Γ＃梗玻唬睿Γ瘢酰铮簦籦egjrand（））；｝上面的程序先是调用＿ftime（）来检查当前时间yc并把它的值存入结构成员timeBuf．time中wae当前时间的值从1970年1月1日开始以秒计算aeh在调用了＿ftime（）之后在结构timeBuf的成员millitm中还存入了当前那一秒已经度过的毫秒数，但在DOS中这个数字实际上是以百分之一秒来计算的。然后，把毫秒数和秒数相加，再和毫秒数进行异或运算。当然也可以对这两个结构成员进行更多的计算，以控制se．．．．．．余下全文＞＞

⑦ Windows98/XP的虚拟存储器采用的页面调度算法是什么

1 随机算法
用软件或硬件随机数产生器确定替换的页面。
2 先进先出
先调入主存的页面先替换。
3 近期最少使用算法
替换最长时间不用的页面。
4 最优算法
替换最长时间以后才使用的页面。这是理想化的算法，只能作为衡量其他各种算法优劣的标准。

⑧ 什么事虚拟存储器.其实现方式有哪些

指将多个不同类型、独立存在的物理存储体，通过软、硬件技术，集成转化为一个逻辑上的虚拟的存储单元，集中管理供用户统一使用。这个虚拟逻辑存储单元的存储容量是它所集中管理的各物理存储体的存储量的总和，而它具有的访问带宽则在一定程度上接近各个物理存储体的访问带宽之和。

从虚拟化存储的拓扑结构来讲主要有两种方式：即对称式与非对称式。对称式虚拟存储技术指虚拟存储控制设备与存储软件系统、交换设备集成为一个整体，内嵌在网络数据传输路径中；非对称式虚拟存储技术指虚拟存储控制设备独立于数据传输路径之外。从虚拟化存储的实现原理来讲也有两种方式；即数据块虚拟与虚拟文件系统。

(8)算法随机硬件扩展阅读

虚拟存储器地址变换基本上有3种形虚拟存储器工作过程式：全联想变换、直接变换和组联想变换。任何逻辑空间页面能够变换到物理空间任何页面位置的方式称为全联想变换。每个逻辑空间页面只能变换到物理空间一个特定页面的方式称为直接变换。

组联想变换是指各组之间是直接变换，而组内各页间则是全联想变换。替换规则用来确定替换主存中哪一部分，以便腾空部分主存，存放来自辅存要调入的那部分内容。常见的替换算法有4种。

1、随机算法：用软件或硬件随机数产生器确定替换的页面。

2、先进先出：先调入主存的页面先替换。

3、近期最少使用算法（LRU，Least Recently Used）：替换最长时间不用的页面。

4、最优算法：替换最长时间以后才使用的页面。这是理想化的算法，只能作为衡量其他各种算法优劣的标准。

⑨ 虚拟存储器采用的页面调度算法是“先进先出”（FIFO）算法吗

虚拟存储器采用的页面调度算法是“先进先出”（FIFO）算法吗。常见的替换算法有4种。

①随机算法：用软件或硬件随机数产生器确定替换的页面。

②先进先出：先调入主存的页面先替换。

③近期最少使用算法（LRU，Least Recently Used）：替换最长时间不用的页面。

④最优算法：替换最长时间以后才使用的页面。这是理想化的算法，只能作为衡量其他各种算法优劣的标准。

虚拟存储器的效率是系统性能评价的重要内容，它与主存容量、页面大小、命中率，程序局部性和替换算法等因素有关。

(9)算法随机硬件扩展阅读

虚拟存储器地址变换基本上有3种形虚拟存储器工作过程式：全联想变换、直接变换和组联想变换。任何逻辑空间页面能够变换到物理空间任何页面位置的方式称为全联想变换。每个逻辑空间页面只能变换到物理空间一个特定页面的方式称为直接变换。

组联想变换是指各组之间是直接变换，而组内各页间则是全联想变换。替换规则用来确定替换主存中哪一部分，以便腾空部分主存，存放来自辅存要调入的那部分内容。

在段式虚拟存储系统中，虚拟地址由段号和段内地址组成，虚拟地址到实存地址的变换通过段表来实现。每个程序设置一个段表，段表的每一个表项对应一个段，每个表项至少包括三个字段：有效位(指明该段是否已经调入主存)、段起址(该段在实存中的首地址)和段长(记录该段的实际长度)。

⑩ 随机数算法是什么

在计算机中并没有一个真正的随机数发生器，但是可以做到使产生的数字重复率很低，这样看起来好象是真正的随机数，实现这一功能的程序叫伪随机数发生器。有关如何产生随机数的理论有许多如果要详细地讨论，需要厚厚的一本书的篇幅。不管用什么方法实现随机数发生器，都必须给它提供一个名为“种子”的初始值。而且这个值最好是随机的，或者至少这个值是伪随机的。“种子”的值通常是用快速计数寄存器或移位寄存器来生成的。下面讲一讲在C语言里所提供的随机数发生器的用法。现在的C编译器都提供了一个基于ANSI标准的伪随机数发生器函数，用来生成随机数。它们就是rand（）和srand（）函数。这二个函数的工作过程如下：”）首先给srand（）提供一个种子，它是一个unsignedint类型，其取值范围从0～65535；2）然后调用rand（），它会根据提供给srand（）的种子值返回一个随机数（在0到32767之间）3）根据需要多次调用rand（），从而不间断地得到新的随机数；4）无论什么时候，都可以给srand（）提供一个新的种子，从而进一步“随机化”rand（）的输出结果。这个过程看起来很简单，问题是如果你每次调用srand（）时都提供相同的种子值，那么，你将会得到相同的随机数序列，这时看到的现象是没有随机数，而每一次的数都是一样的了。例如，在以17为种子值调用srand（）之后，在首次调用rand（）时，得到随机数94。在第二次和第三次调用rand（）时将分别得到26602和30017，这些数看上去是很随机的（尽管这只是一个很小的数据点集合），但是，在你再次以17为种子值调用srand（）后，在对于rand（）的前三次调用中，所得的返回值仍然是在对94，26602，30017，并且此后得到的返回值仍然是在对rand（）的第一批调用中所得到的其余的返回值。因此只有再次给srand（）提供一个随机的种子值，才能再次得到一个随机数。下面的例子用一种简单而有效的方法来产生一个相当随机的“种子”值－－－－当天的时间值：g＃椋睿悖欤酰洌澹Γ欤簦唬螅簦洌椋铮瑁Γ纾簦弧。＃椋睿悖欤酰洌澹Γ欤簦唬螅簦洌欤椋猓瑁Γ纾簦弧。＃椋睿悖欤酰洌澹Γ欤簦唬螅螅Γ＃矗罚唬簦穑澹螅瑁Γ纾簦弧。＃椋睿悖欤酰洌澹Γ欤簦唬螅螅Γ＃矗罚唬簦椋恚澹猓瑁Γ纾簦弧。觯铮椋洹。恚幔椋睿ǎ觯铮椋洌。。椋睿簟。椋弧。酰睿螅椋纾睿澹洹。椋睿簟。螅澹澹洌郑幔欤弧。螅簦颍酰悖簟。簦椋恚澹狻。簦椋恚澹拢酰妫弧。妫簦椋恚澹ǎΓ幔恚穑唬簦椋恚澹拢酰妫弧。螅澹澹洌郑幔欤剑ǎǎǎǎ酰睿螅椋纾睿澹洹。椋睿簦簦椋恚澹拢酰妫簦椋恚澹Γ幔恚穑唬埃疲疲疲疲。ǎ酰睿螅椋纾睿澹洹。椋睿簦簦椋恚澹拢酰妫恚椋欤欤椋簦恚蕖。ǎ酰睿螅椋纾睿澹洹。椋睿簦簦椋恚澹拢酰妫恚椋欤欤椋簦恚弧。螅颍幔睿洌ǎǎ酰睿螅椋纾睿澹洹。椋睿簦螅澹澹洌郑幔欤弧。妫铮颍ǎ椋剑埃唬椋Γ欤簦唬保埃唬椋。穑颍椋睿簦妫ǎΓ瘢酰铮簦唬ィ叮洌Γ＃梗玻唬睿Γ瘢酰铮簦籦egjrand（））；｝上面的程序先是调用＿ftime（）来检查当前时间yc并把它的值存入结构成员timeBuf．time中wae当前时间的值从1970年1月1日开始以秒计算aeh在调用了＿ftime（）之后在结构timeBuf的成员millitm中还存入了当前那一秒已经度过的毫秒数，但在DOS中这个数字实际上是以百分之一秒来计算的。然后，把毫秒数和秒数相加，再和毫秒数进行异或运算。当然也可以对这两个结构成员进行更多的计算，以控制se．．．．．．余下全文＞＞