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 theget

method:

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

of defaultStream

.

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的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stream

RandStream.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。