1，rand  生成均匀分布的伪随机数。分布在（0~1）之间

主要语法：rand(m,n)生成m行n列的均匀分布的伪随机数

rand(m,n,'double')生成指定精度的均匀分布的伪随机数，参数还可以是'single'

rand(RandStream,m,n)利用指定的RandStream(我理解为随机种子)生成伪随机数

2，randn 生成标准正态分布的伪随机数（均值为0，方差为1）

主要语法：和上面一样

3, randi 生成均匀分布的伪随机整数

主要语法：randi（iMax）在开区间（0，iMax）生成均匀分布的伪随机整数

randi（iMax，m，n）在开区间（0，iMax）生成mXn型随机矩阵

r = randi([iMin,iMax],m,n)在开区间（iMin，iMax）生成mXn型随机矩阵

二，关于随机种子，伪随机数的重复生成

正常情况下每次调用相同指令例如rand生成的伪随机数是不同的，

例如：

rand(1,3)

rand(1,3)

matlab的输出为:

ans =
  0.139043482536049  0.734007633362635  0.194791464843949
ans =
  0.602204766324215  0.937923745019422  0.149285414707192

如何使两个语句生成的随机数相等呢？

Matlab帮助中的下面章节有所叙述：

Managing theDefault Stream

管理默认（缺省）流

rand, randn, and randidraw random numbers from anunderlying random number stream, called the default stream.The @RandStream class allows you to get a handle to the default streamand control random number generation.

rand,randn,和randi 从一个基础的随机数流中得到随机数，叫做默认流。你可以通过@RandStream 类得到默认流的句柄从而控制随机数的生成。

Get a handle to the default stream asfollows:

以下为得到默认流句柄的代码：

defaultStream=RandStream.getDefaultStream defaultStream = mt19937ar random stream (current default) Seed: 0 RandnAlg: Ziggurat

Return the properties of the stream object with the getmethod: 用get方法返回流对象属性：

get(defaultStream) Type: 'mt19937ar' NumStreams: 1 StreamIndex: 1 Substream: 1 Seed: 0 State: [625x1 uint32] RandnAlg: 'Ziggurat' Antithetic: 0 FullPrecision: 1

The State property is the internal state of the generator. You can save the State ofdefaultStream . state属性是发生器的内部状态，你可以保存默认流的状态：

myState=defaultStream.State;

Using myState , you can restore the state of defaultStream and reproduce previous results. 利用myState你可以恢复默认流状态重新生成前面的结果：

myState=defaultStream.State; A=rand(1,100); defaultStream.State=myState; B=rand(1,100); isequal(A,B) ans = 1

你也可以直接使用@RandStream 类的reset静态方法重置种子状态来获取相同的随机生成序列，下面是示例代码:

stream =RandStream.getDefaultStream;%获取默认的随机种子（暂时这么叫，帮助有详细解释）
reset(stream);%重置
rand(stream,1,3)
reset(stream);%重置
rand(stream,1,3)

matlab的输出为：

ans =
  0.814723686393179  0.905791937075619  0.126986816293506
ans =
  0.814723686393179  0.905791937075619  0.126986816293506

可以看出生成的随机码是相等的，这样可以用于重复实验上来

－－－－－－－以上为转载部份－－－－－－－－－－－－－转载处：新浪博客－－无名指

以上的说明表RandStream可以完成相同随机数的生成，这对于结果的可重复性是至关重要的。

下面从另一个方面，说明RandStream的应用场景，例如：

第一次在matlab运行程序的过程中我们生成了100个rand的随机数，然后退出了matlab.

第二次我们又在matlab中运行这个程序，那么，这次生成的100个rand随机数，实际上与第一次中的100个rand随机数是一样的，因此，这两次程序的运行结果将会一样，保证了结果的可重复性。

但是，往往，有这样的应用，在机器学习和模式识别中，我们要检验一个算法的稳健性，往往要在同个数据集上，运行多次，然后取平均值表明为这个算法的在这个数据集上的性能。假设运行100次，当要完成这100次所花费的时间很长时，自然我们想到，在n 个matlab中分开运行这100次，每个运行100/n次，为了得到每个运行结果的不一样，就需要运用RandStream

[s1,...,sn] = RandStream.create('mrg32k3a','NumStreams',n);  %得到新的stream
s = RandStream.getDefaultStream;                           %保存原有的默认streamRandStream.setDefaultStream(si);        %重置默认stream
%%%%%%run procedure%%%%%

RandStream.setDefaultStream(s);        %还原默认stream

这样就保证了每个matlab运行的结果不一样。