rand() 似乎不会生成真正的随机数。我有一个简单的程序，通过调用返回一个 6 位数字：
for i=1:6
r=rand(1,1)
end
所以我昨天跑了 4-5 次。并保存输出。今天我再次打开 MATLAB 并再次调用相同的函数 4-5 次。返回了相同的数字。
为什么会这样？
我应该提供随机种子还是任何其他修复？
感谢您的帮助！
【问题讨论】：
rand 生成的数字总是不同的。似乎不知何故，这里有一些我们不知道的东西。也许种子已经种下？无论如何，答案解释最多，这应该可以解决您的问题。
rand，然后关闭了 MATLAB，也关闭了计算机，然后我重新打开了所有东西。也许这就是你需要做的“重置”伪随机数生成器，从而重现这种行为。
标签： matlab random random-seed
从Mathworks documentation，你可以使用
rng('shuffle');
在调用rand 设置“随机”种子之前（基于当前时间）。手动设置种子（通过在启动时不更改种子、使用rng('default') 重置或通过rng(number) 手动设置种子）可以让您完全重复以前的行为。
【讨论】：
rng('shuffle') 放在rand() 里面呢？因为看起来 rand() 不是尽可能随机的。 :D
rng('default') 获得）。
rng('shuffle') 会给你非常可靠的随机行为。真正的随机性很漂亮hard。
rng 在代码中明确设置您的种子，除非您正在编写某种排序或加密例程或游戏（Matab 的强项和default generator 不是cryptographically secure）。
为了扩展@alexforrence 的答案，rand 和其他相关函数会生成需要初始值才能开始生成的伪随机数 (PRN)。这些数字并不是真正随机的，因为在初始种子之后，这些数字是通过算法产生的，该算法本质上是确定性的。
但是，伪随机不一定是坏事，因为使用 PRN 的模型（例如蒙特卡洛方法）可以在许多用户和平台上生成可移植、可重复的结果。 此外，可以更改种子以创建一组随机数和结果，这些随机数和结果在统计上是独立的，但也可以产生可重复的结果。 对于许多科学应用来说，这非常重要。 此外，“真正的”随机数（下一段）倾向于“聚集”在一起，并且对于空间的小样本，不会均匀地分布在它们的范围内，这会降低一些依赖随机过程的方法的性能。
有一些方法可以通过引入来自各种模拟源（例如硬件噪声）的随机性来创建“更真实”的随机数。这些类型的数字对于cryptographically secure PRNs 非常重要，其中不可重复性是一个重要特征（与科学用法相反）。真正的随机数生成器需要利用自然噪声（例如量子效应）的special hardware。 不过，重要的是要记住，可以生成和计算使用的随机数的总数受到所使用数字的精度的限制。
您可以使用rng 函数为 MATLAB 重新播种伪随机种子。
但是，“在会话中过于频繁地重新设置生成器并不是一个好主意，因为您的随机数的统计属性可能会受到不利影响”[src]。
【讨论】：