真随机的战法与计策成功率很高，放落雷都很容易成功

1.啥是伪随机啥是真随机
就像伪摇滚、伪球迷一样，伪随机沾上了主观的“伪”字，就有很多种定义方法。在介绍这些方法之前，先看一下产生随机有哪几种。
①固定种子、固定公式的随机数序列
举个例子，我首先拿出一个数X，然后每次对X使用公式 (3X + 4) % 5，再把结果给回X（%指的是求除法的余数）。假设X初始值是0，那么生成的“随机数序列”就是4, 1, 2, 0, 4, 1, 2, 0, 4, 1, 2, 0...
这就是一个非常简单的随机数生成器了。而X的初始值被称为“种子”。
但是大家很快就会发现问题，它循环了。4,1,2,0的循环体系使的人们在充分观察之后，可以发现规律并预测出下一个“随机数”。
这个问题其实也好解决，3,4,5都是太小的数了，我把3,4,5都搞的非常大，循环周期就将会非常长，使的没有任何能看出它其实是循环的。比如在C++的函数库MT19937中，循环周期达到了2^19937-1这么长，基本遍历一整个宇宙的时间都无法重复。
②随机种子、固定公式的随机数序列
上一个例子中，虽然算法(至少表面上)解决了循环的问题，但还有一个问题，那就是每次的结果都是固定的。两次使用同一个公式和种子，得到的结果是完全相同的，这可太不随机了。怎么办？
解法就是改变种子。如果种子改变了，那么之后的序列就完全不相同，随机的目的就达到了。那么，改变种子该依据什么呢？如果还是使用公式生成，那这个生成随机种子的公式又该用什么随机种子呢？（有点绕，大家可以仔细思考一下）
一个很好的办法是放弃数学上的公式，改为使用物理特征，比如，时间。如果我使用从1970.1.1至今的秒数作为初始种子，这总不太可能重复了吧？如果大家写过C语言，很可能接触过这行指令：srand(time(0))，它的作用就是上述的种子初始化。
当然，用时间作为种子在安全上也不是万无一失的。我以前搞信息安全的时候，遇到过以时间为种子的攻击方式，思路是先算出来当前的秒数，然后预测代码会什么时候执行，根据执行时间配合随机种子达成攻击。扯远了，不多说了。我的意思是，如果嫌时间都不安全的话，还可以使用“当前CPU的温度”、“当前内存剩余量的字节数”等等无法探测的物理硬件特征作为种子，使得种子完全随机、安全。
③随机种子、随机公式的随机数序列
总的来说就是在X = (aX + b) % c的公式中，改变每次的X时同时依据X的值改变a,b,c。但是这样的问题在于，如果X不改变，两次的模拟结果仍然是完全相同的。所以这种方法现在用的不多，只作为提一句而已。
④现实中的随机
截止到③，已经基本是计算机模拟随机的极限了。再往上无非是把公式搞得更复杂一些，用“异或”运算代替乘法之类的，换汤不换药。
那么现实中的随机是什么样的呢？现代物理学的解释是：量子力学。
就算大家没学过量子力学，应该也多少听过薛定谔的猫、量子纠缠、海森堡测不准原理等名词。从名字就能看出，测都测不准，当然是最高级的随机了。这部分是完全没有公式的真·随机
当然这部分涉及最尖端的量子物理，我没法讲的很深入，有大学物理基础且有兴趣的同学可以去看下隐变量猜想。贝尔证明了，如果真的有隐变量，那么物理定律的定域性和实在性起码必舍其一，而因为实验和物理学家都不愿意否定这两点，所以现在物理学界认为是真随机。

不明觉厉

真大佬基本看懂了，感谢大佬科普

1.啥是伪随机啥是真随机(2)
上一部分讲的学理性比较重。我向大家保证下面不会有这么复杂的学术概念了。回到最初的问题，什么是伪随机什么是真随机？归纳一下大概有两种说法。
第一种说法是，真随机指的是 【已知当前状态，无法预测下一状态的随机】
按照这种说法，除了现实中的量子力学随机是真随机，其他一切都是伪随机。因为计算机就算有随机种子，也都是有公式的。只要我们知道了某个时刻的X，那么一定可以代入公式求出下一个X。相比之下，量子力学连公式都没有，自然是真随机。
这种说法也是我们可能曾听到的“计算机没有真随机”的来源。
但是客观来说，这种说法要求有点太高了。SIRE出了“真随机模式”之后，好多人跑来发帖说计算机没有真随机。我只能说，按照这个定义，你说得对；但另一方面，你这属于抬杠，因电脑游戏领域中，真随机指的另一个定义。

伪随机是扑克抽牌，真随机是掷筛子。理解对吗

说人话

就说两种情况下不断sl有啥区别吧

1.啥是伪随机啥是真随机(3)
第二种定义，也是比较适合游戏领域的定义中，真随机指的是【两次不同的游戏中，生成的随机数序列不同】
按照这种说法，除了确定公式确定初始种子的①属于伪随机以外，其他的都是真随机。因为只要随机种子变了，那对于我一个游戏玩家来说，之后的所有操作结果也就都完全变了，这样已经算得上真随机了。
更何况，由于随机数种子大多是“距离1970.1.1的秒数”，这种东西很难精准掌握，那玩家也就很难去“操纵”随机数了。

做成lol暴击率那样多好，20%暴击率前4刀没暴那么第五刀必暴。但是感觉没法实现

2.311是怎么写的随机
前边大家听起来感觉都没在说人话。下面讲点实在的。先说结论：311使用的是①：固定种子固定公式的随机数生成序列。我们下面来看一下逆向之后的游戏源码。
在游戏中，一共有两个随机数函数。
第一个随机数函数接受一个0~100的整数输入（记为X），返回一个布尔值(是或者否)。函数以X%返回是，（100-X）%返回否。举个例子，如果输入的X是100，那么函数一定会返回是，如果输入的X是0，则一定会返回否。假如X为70，那70%概率返回是。
第二个函数接受一个≥2的整数输入（记为X），等概率随机返回0~X-1之间的一个函数。举个例子，假如输入的是2，那么有50%返回1,50%返回0。如果输入的是9，则以各10%概率返回0-9。
下面我们看一下对应的C代码（经过逆向还原后）。

第一个函数，输入percentage，以percentage%返回真：
BOOL Random_100(int percentage)
{
if ( percentage <= 0 )
return 0;
random_value = 1812433253 * random_value + 12345;
return (random_value >> 16) % 100 < percentage;
}
分析一下这个函数。先判断，如果输入的percentage小于0，直接返回(-20%可能就等于不可能咯)。
如果不是的话，将内存中的random_value乘以一个很大的数，再加上12345赋值回去。这个其实就和我们之前讲的X=(3X+4)%5是一模一样的，只是更复杂了一点。
最后，我们再将random_value除以2^16，再整除除余100，【就得到了一个0~100的随机数】。如果这个随机数小于我们输入的percentage(概率为percentage / 100)，那么就返回真，否则返回假。
类似的，我们再看一下第二个函数
// 随机返回一个0 ~ X-1之间的数
__int16 __cdecl Random_Smallerthan(signed int X)
{
if ( X < 2 || !X ) // if X == 0 or 1
return 0;
random_value = 1812433253 * random_value + 12345;
return (random_value >> 16) % X;
}
如果X是0或1，直接返回0（因为这种情况下比X更小的只有0）
如果不是的话，也是对random_value使用同样的公式处理，将结果除以2^16后对X除余。这样，我们就得到了一个0~X-1的随机数。
思路非常清晰，就是我们刚刚讲到的生成方法①

顶顶技术大咖