采用借位减方法实现均匀随机数的产生，然后进行一定的变换产生高斯随机数

12均匀分布随机数的Verilog HDL语言程序设计

佳点集是一种有效的、能够均匀选点的方法，与随机方法相比，利用佳点集方法取点能够更均匀地分布在搜索空间中。利用佳点集产生初始种群的具体原理详见文献[1]。 [1] 陈义雄, 梁昔明, 黄亚飞. 基于佳点集构造的改进量子粒子群优化算法[J]. 中南大学学报(自然科学版), 2013, 44(4): 1409-1414.

不使用遗传算法工具箱，编程实现求解N个点在边长为10的正方形内的均匀分布问题。

该程序是生成一个符合泊松均匀分布的WSNs的Matlab程序，可以修改参数，得到不同的网络拓扑！！

乘同余法产生（0，1）均匀分布随机数的matlab代码，可在此基础上改进为不同分布的随机数，调试通过的

满足条件 r_min 0球（线） D=2 => 1-球体（圆） D=3 => 2-sphere（球体） 等等 最后一个维度 D 的分量是球体的向量，因此可以将其长度解释为半径。 r = nsphrand(...,'Rmin',rmin,'Rmax',rmax) 设置生成的随机数的最小和最大半径（默认为 0 和 1）。 例子： r = nsphrand(10000, 1, 2, 'Rmin', 1, 'Rmax', 2) plot(r(:,1),r(:,2),'.')

此功能的发布是受到Matlab文件交换存储库中1d三次样条曲线发布的几种实现方式的糟糕工作的启发。 早在2011年，我在南大（NTU）攻读硕士学位时，这项功能就是我的一项家庭作业。 尽管这不是一个完美的实现，但它易于阅读（公式接近数学方程式），可以进行并行化（如果有parfor可用），可以轻松扩展/扩展边界条件，并且可以将其写成少于125行代码的单个脚本（包括简短的介绍和示例）。 享受 ！ :)

Python有一随机函数可以产生[0,1)区间内的随机数，但是如果我们想生成随机分布在单位圆上的，那么我们可以首先生成随机分布在单位圆边上的点，然后随机调整每个点距离原点的距离，但是我们发现这个距离不是均匀分布于[0,1]的，而是与扇形的面积相关的 我们使用另外的随机函数生成从[0,1)的随机数r，我们发现r<s0的概率为s0，显而易见，如果r为0，那么对应的距离应该为0，如果是1，对应的距离自然也应该是1，假设我们产生了m个随机数，那么小于s0的随机数应该为s0*m左右，而且这些应该对应于扇形面积的s0倍处即图2的小扇形区域，落在这一区域的点应该为s0*m，此时扇形边长为s0^0.5,因此

根据图形多少，均匀分布在屏幕上，便于同时查看多张图