我正在使用它来生成 5 到 13 之间的值
int randomGeneratedLevelValue = ThreadLocalRandom.current().nextInt(5, 13);
如何减少相同的匹配？
【问题讨论】：
没有任何方法可以减少真正随机数序列中的重复次数，而不会使随机数序列产生偏差。
因此，例如，在您的序列10, 5, 12, 12, 13, 13 中，12 后面跟着另一个 12 的机会是 9 分之一；即与范围内任何其他数字的概率相同。
现在，由于您使用的是 Random / ThreadLocalRandom，您可能会看到线性同余生成器中固有的自相关效应。如果是这样，这些影响可以通过使用SecureRandom 来消除。但是SecureRandom 的调用成本要高得多。
另一种方法是故意偏向反对重复；例如（伪代码）
int random = rand.nextInt(...)
if (random == lastRandom) {
random = rand.nextInt(...);
}
return random;
但要小心。引入偏见可能会产生意想不到的后果。
【讨论】：
ThreadLocalRandom.current().nextInt(5, 13) ? 12 (nextInt(int least, int bound) 在给定的最小值（包括）和bound（不包括）之间返回一个伪随机、均匀分布的值。)...但是你问如何减少相同的匹配？ 这个答案回答了这个问题
lastRandom 是什么意思。但这真的很难说。他的问题和cmets非常不清楚。
ThreadLocalRandom.current().nextInt(min, max+1)回答自己为什么我认为最后一个数字是什么？是关于ThreadLocalRandom.current().nextInt(5, 13)返回的最后一个数字而不是lastRandom在你的代码 .... 我们在这里遇到的是无法沟通
Birthday Paradox 预测随机数重复的概率比您想象的要高得多。例如，它预测只有 23 个随机人，其中两个人生日相同的可能性超过 50%。以Pigeonhole Principle来说，需要367人才能有100%的重复概率，但在此之前，重复的概率非常高。
rule of thumb 用于估算在重复概率达到 sqrt(2m * p(n)) 之前必须生成的数字数量，其中 m 是可能的随机数数量，p(n) 是您正在寻找的概率为了。因此，例如，如果您要生成 50 个数字范围内的随机数（例如，如果您从 100 到 150 中选择一个随机数），您只需要生成大约 sqrt((2 * 50) * 0.5) = 7.07 随机数，然后几率就可以了最好不要重复。如果您在 50 个数字范围内生成 8 个随机数字，那么有重复的几率总比没有好。 （请注意，这只适用于高达 1/2 的 p(n) 值）。
在您的情况下，任何特定随机值（5、6、7、8、9、10、11、12）都有 8 个可能的值，因此您只需要生成 sqrt(8) = 2.83 数字，就有可能发生50% 你会有一个副本。换句话说，生日悖论预测您只需要生成大约 3 个数字，就有可能比没有重复的机会更好。
另见this Q&A。
还有一点：注意Gambler's Fallacy，其中人们假设如果您随机生成例如 10，则下一个概率不会是 10。实际上，假设您正在生成随机数字，任何特定数字的几率都是 1/8，无论之前是什么数字。换句话说，如果你生成一个 12，那么下一个数字是 10 的概率是 1/8。如果生成 7，则下一个数字为 10 的几率为 1/8。如果你生成一个 10，那么下一个数字是 10 的概率仍然是 1/8。每个数字都是一个独立的事件（即到目前为止您生成的数字至少不会影响未来数字的概率分布）。
TL;DR 您需要生成的数字比您想象的要少得多，否则您可能会开始重复 - 特别是如果您要生成的随机数字范围很小（和你一样）这个数字特别低。
【讨论】：