本文目录一览：
随机数和伪随机数的计算公式都是什么呀？
为追求真正的随机序列，人们曾采用很多种原始的物理方法用于生成一定范围内满足精度（位数）的均匀分布序列，其缺点在于：速度慢、效率低、需占用大量存储空间且不可重现等。为满足计算机模拟研究的需求，人们转而研究用算法生成模拟各种概率分布的伪随机序列。伪随机数是指用数学递推公式所产生的随机数。从实用的角度看，获取这种数的最简单和最自然的方法是利用计算机语言的函数库提供的随机数发生器。典型情况下，它会输出一个均匀分布在0和1区间内的伪随机变量的值。其中应用的最为广泛、研究最彻底的一个算法即线性同余法。
线性同余法LCG（Linear Congruence Generator）
选取足够大的正整数M和任意自然数n0，a，b，由递推公式：
ni+1=（af（ni）+b）mod M i=0，1，…，M-1
生成的数值序列称为是同余序列。当函数f（n）为线性函数时，即得到线性同余序列：
ni+1=（a*ni+b）mod M i=0，1，…，M-1
以下是线性同余法生成伪随机数的伪代码：
Random（n，m，seed，a，b）
{
r0 = seed；
for （i = 1；i=n；i++）
ri = （a*ri-1 + b） mod m
}
其中种子参数seed可以任意选择，常常将它设为计算机当前的日期或者时间；m是一个较大数，可以把它取为2w，w是计算机的字长；a可以是0.01w和0.99w之间的任何整数。
应用递推公式产生均匀分布随机数时，式中参数n0，a，b，M的选取十分重要。
例如，选取M=10，a=b =n0=7，生成的随机序列为{6，9，0，7，6，9，……}，周期为4。
取M=16，a=5，b =3，n0=7，生成的随机序列为{6，1，8，11，10，5，12，15，14，9，0，3，2，13，4，7，6，1……}，周期为16。
取M=8，a=5，b =1，n0=1，生成的随机序列为{6，7，4，5，2，3，0，1，6，7……}，周期为8。
Visual C++中伪随机数生成机制
用VC产生随机数有两个函数，分别为rand（void）和srand（seed）。rand()产生的随机整数是在0~RAND_MAX之间平均分布的，RAND_MAX是一个常量（定义为：#define RAND_MAX 0x7fff）。它是short型数据的最大值，如果要产生一个浮点型的随机数，可以将rand()/1000.0，这样就得到一个0~32.767之间平均分布的随机浮点数。如果要使得范围大一点，那么可以通过产生几个随机数的线性组合来实现任意范围内的平均分布的随机数。
其用法是先调用srand函数，如
srand( (unsigned)time( NULL ) )
这样可以使得每次产生的随机数序列不同。如果计算伪随机序列的初始数值（称为种子）相同，则计算出来的伪随机序列就是完全相同的。要解决这个问题，需要在每次产生随机序列前，先指定不同的种子，这样计算出来的随机序列就不会完全相同了。以time函数值（即当前时间）作为种子数，因为两次调用rand函数的时间通常是不同的，这样就可以保证随机性了。也可以使用srand函数来人为指定种子数分析以下两个程序段，
程序段1：
//包含头文件
void main() {
int count=0;
for (int i=0;i10;i++){
srand((unsigned)time(NULL));
count++;
cout"No"
//包含头文件
void main() {
int count=0;
srand((unsigned)time(NULL));
for (int i=0;i10;i++){
count++;
cout"No"
No1=9694 No2=9694 No3=9694 No4=9694 No5=9694
No6=9694 No7=9694 No8=9694 No9=9694 No10=9694
程序段2的运行结果为：
No1=10351 No2=444 No3=11351 No4=3074 No5=21497
No6=30426 No7=6246 No8=24614 No9=22089 No10=21498
可以发现，以上两个程序段由于随机数生成时选择的种子的不同，运行的结果也不一样。rand()函数返回随机数序列中的下一个数(实际上是一个伪随机数序列，序列中的每一个数是由对其前面的数字进行复杂变换得到的)。为了模仿真正的随机性，首先要调用srand()函数给序列设置一个种子。为了更好地满足随机性，使用了时间函数time()，以便取到一个随时间变化的值，使每次运行rand()函数时从srand()函数所得到的种子值不相同。伪随机数生成器将作为"种子"的数当作初始整数传给函数。这粒种子会使这个球（生成伪随机数）一直滚下去。
程序段1中由于将srand（）函数放在循环体内，而程序执行的CPU时间较快，调用time函数获取的时间精度却较低（55ms），这样循环体内每次产生随机数用到的种子数都是一样的，因此产生的随机数也是一样的。而程序段2中第1次产生的随机数要用到随机种子，以后的每次产生随机数都是利用递推关系得到的。 基于MFC的随机校验码生成
Web应用程序中经常要利用到随机校验码，校验码的主要作用是防止黑客利用工具软件在线破译用户登录密码，校验码、用户名、密码三者配合组成了进入Web应用系统的钥匙。在利用VC开发的基于客户机/浏览器（Client/Server）模式的应用软件系统中，为了防止非法用户入侵系统，通常也要运用随机校验码生成技术。
200分求助!文件删除后能被黑客盗取吗
删除的文件一般恢复了都损坏了；
删除文件后随便塞几个文件到那个分区，就算恢复了也是损坏的文件（基本打不开）；
如果想要更安全的方法：就用 文件粉碎软件；
把硬盘塞满 的原理与粉碎软件差不多； 随便选用；
别人不用你的计算机是无法盗取的;
其实不需要担心的，重要文件用 文件粉碎机 粉碎，WINDOWS优化大师 360 等软都带有粉碎机！
专业回答：
文件粉碎，顾名思义，就是把计算机上的文件彻底删除，不留痕迹。使用一些文件粉碎工具，可以做到这一点。文件粉碎和直接删除文件是不一样的，这要从Windows的文件系统来说了。Windows文件系统包括FAT12,FAT16,FAT32等FAT系统和NTFS文件系统。在FAT文件系统中，如果创建一个文件，需要在磁盘上开辟一个“分配表”，就像图书馆的书目一样。这个表包括一个指针，指向文件的内容的地址。然后由系统在指向的地址进行文件的读写。同时，其他文件如果要创建的话，就被禁止指向这个地址，以防文件错乱。而操作系统删除文件就方便的多了：直接把“书目”销毁就可以了。“书目”指向的地址被认为是空。
那么，如果再次在那个地址写文件，会不会减慢速度呢?不会。计算机中的数据都是由二进制组成的，在磁盘上显示为“凹”和“凸”。由于系统无法预测将要存入的文件详细信息，因此，文件内容可以认为是随机的。由数学知识可知，磁盘中的“0”和“1”对重新写信息没有在速度方面的影响。
因为操作系统的一次“偷懒”，我们的信息可能被不速之客探测到。人们可以根据磁盘上的蛛丝马迹，重新建立起来整个文件，或者文件的一部分，从而刺探到我们的隐私。那样对我们是很不利的。因此，有了“文件粉碎”这个概念。“文件粉碎”是将内容和“书目”一块删除，那样，文件的内容对任何人来说都是不可知了。而且一般的文件粉碎软件都可以将Word、WPS等工具中的历史纪录和系统创建的临时文件删除。
所以临时文件也要清理啦！
就是WORD的，具体方法就不多说了！
为什么说Java中的随机数都是伪随机数
什么是伪随机数？
1.伪随机数是看似随机实质是固定的周期性序列,也就是有规则的随机。
2.只要这个随机数是由确定算法生成的,那就是伪随机,只能通过不断算法优化,使你的随机数更接近随机。
(随机这个属性和算法本身就是矛盾的)
3.通过真实随机事件取得的随机数才是真随机数。
Java随机数产生原理：
Java的随机数产生是通过线性同余公式产生的,也就是说通过一个复杂的算法生成的。
伪随机数的不安全性：
Java自带的随机数函数是很容易被黑客破解的,因为黑客可以通过获取一定长度的随机数序列来推出你的seed,然后就可以预测下一个随机数。
不用种子的不随机性会增大的原因：
java.Math.Random()实际是在内部调用java.util.Random()的,使用一个和当前系统时间有关的数字作为种子数。两个随机数就很可能相同。
double a = Math.random()；
double b = Math.random();
Random r1 = new Random();
r1.nextInt(10);
Random r2 = new Random();
r2.nextInt(10);
Java中产生随机数的方法有两种：
第一种：Math.random()
第二种：new Random()
一、java.lang.Math.Random：
调用这个Math.Random()函数能够返回带正号的double值,取值范围是[0.0,1.0),在该范围内（近似）均匀分布。因为返回值是double类型的,小数点后面可以保留15位小数，所以产生相同的可能性非常小,在这一定程度上是随机数。
二、java.util.Random：
Random r1 = new Random();
Random r2 = new Random();
Random r3 = new Random(10);
Random r4 = new Random(10);
下面Random()的两种构造方法：
Random():使用一个和当前系统时间对应的相对时间有关的数字作为种子数。
Random(long seed):直接传入一个种子数。
种子的作用是什么？
种子就是产生随机数的第一次使用值,机制是通过一个函数,将这个种子的值转化为随机数空间中的某一个点上,并且产生的随机数均匀的散布在空间中。以后产生的随机数都与前一个随机数有关。
举例：
Random r =new Random(100);
System.out.println(r.nextInt(20));
种子数只是随机算法的起源数字,和生成的随机数字的区间没有任何关系。
初始化时100并没有起直接作用（注意：不是没有起作用）,r.nextInt(20)中的20是随机数的上限,产生的随机数为0-20的整数,不包括20。