我已经在纯JavaScript中实现了许多良好，简短和快速的伪随机数生成器（PRNG）函数。所有这些都可以播种并提供高质量的编号。
首先，请注意正确初始化PRNG。下面的大多数生成器没有内置的种子生成过程（为简单起见），但是接受一个或多个32位值作为PRNG 的初始状态。相似的种子（例如1和2的简单种子）可以在较弱的PRNG中引起相关性，导致输出具有相似的属性（例如，随机生成的水平相似）。为避免这种情况，最佳做法是使用分布良好的种子初始化PRNG。
幸运的是，哈希函数非常擅长从短字符串为PRNG生成种子。一个好的哈希函数即使两个字符串相似，也会产生非常不同的结果。这是一个基于MurmurHash3的混合函数的示例：
function xmur3(str) {
for(var i = 0, h = 1779033703 ^ str.length; i < str.length; i++)
h = Math.imul(h ^ str.charCodeAt(i), 3432918353),
h = h << 13 | h >>> 19;
return function() {
h = Math.imul(h ^ h >>> 16, 2246822507);
h = Math.imul(h ^ h >>> 13, 3266489909);
return (h ^= h >>> 16) >>> 0;
}
}
每个后续对return函数的调用都会xmur3产生一个新的“随机” 32位哈希值，以用作PRNG中的种子。使用方法如下：
// Create xmur3 state:
var seed = xmur3("apples");
// Output four 32-bit hashes to provide the seed for sfc32.
var rand = sfc32(seed(), seed(), seed(), seed());
// Output one 32-bit hash to provide the seed for mulberry32.
var rand = mulberry32(seed());
// Obtain sequential random numbers like so:
rand();
rand();
或者，只需选择一些虚拟数据来填充种子，然后使生成器前进几次（12-20次迭代）以完全混合初始状态。这在PRNG的参考实现中经常看到，但是它确实限制了初始状态的数量。
var seed = 1337 ^ 0xDEADBEEF; // 32-bit seed with optional XOR value
// Pad seed with Phi, Pi and E.
// https://en.wikipedia.org/wiki/Nothing-up-my-sleeve_number
var rand = sfc32(0x9E3779B9, 0x243F6A88, 0xB7E15162, seed);
for (var i = 0; i < 15; i++) rand();
这些PRNG函数的输出会产生一个正的32位数字（0到2 32 -1）Math.random()，如果需要随机数，则将其转换为0-1（包括0，包括1，不包括在内）之间的浮点数。有关特定范围的信息，请阅读MDN上的这篇文章。如果只需要原始位，只需删除最后的除法操作即可。
要注意的另一件事是JS的局限性。数字只能表示高达53位分辨率的整数。并且在使用按位运算时，该值减少为32。这使得难以实现使用C或C ++编写的使用64位数字的算法。移植64位代码需要填充，这会大大降低性能。因此，为了简单和高效，我只考虑了使用32位数学的算法，因为它与JS直接兼容。
现在，继续到发电机。（我在这里维护完整列表，并提供参考资料）
sfc32（简单快速计数器）
sfc32是PractRand随机数测试套件的一部分（当然它可以通过）。sfc32具有128位状态，并且在JS中非常快。
function sfc32(a, b, c, d) {
return function() {
a >>>= 0; b >>>= 0; c >>>= 0; d >>>= 0;
var t = (a + b) | 0;
a = b ^ b >>> 9;
b = c + (c << 3) | 0;
c = (c << 21 | c >>> 11);
d = d + 1 | 0;
t = t + d | 0;
c = c + t | 0;
return (t >>> 0) / 4294967296;
}
}
桑树32
Mulberry32是具有32位状态的简单生成器，但速度极快且具有良好的质量（作者声明它已通过gjrand测试套件的所有测试，并且具有完整的2 32周期，但我尚未验证）。
function mulberry32(a) {
return function() {
var t = a += 0x6D2B79F5;
t = Math.imul(t ^ t >>> 15, t | 1);
t ^= t + Math.imul(t ^ t >>> 7, t | 61);
return ((t ^ t >>> 14) >>> 0) / 4294967296;
}
}
如果您只需要一个简单但不错的 PRNG而不需要数十亿个随机数（请参阅生日问题），我将建议您这样做。
xoshiro128 **
截至2018年5月，xoshiro128 **是Vigna / Blackman（他也写了xoroshiro，在Chrome中使用）的Xorshift家族的新成员。它是提供128位状态的最快生成器。
function xoshiro128ss(a, b, c, d) {
return function() {
var t = b << 9, r = a * 5; r = (r << 7 | r >>> 25) * 9;
c ^= a; d ^= b;
b ^= c; a ^= d; c ^= t;
d = d << 11 | d >>> 21;
return (r >>> 0) / 4294967296;
}
}
作者声称它很好地通过了随机性测试（尽管有警告）。其他研究人员指出，TestU01中的某些测试（尤其是LinearComp和BinaryRank）未通过。实际上，使用浮点数（例如这些实现）时不会引起问题，但是如果依赖原始低位，可能会引起问题。
JSF（詹金斯的小快车）
这是鲍勃·詹金斯（Bob Jenkins，2007年）的JSF或“ smallprng”，他是制作ISAAC和SpookyHash的人。它通过了 PractRand测试，应该很快，尽管不如SFC快。
function jsf32(a, b, c, d) {
return function() {
a |= 0; b |= 0; c |= 0; d |= 0;
var t = a - (b << 27 | b >>> 5) | 0;
a = b ^ (c << 17 | c >>> 15);
b = c + d | 0;
c = d + t | 0;
d = a + t | 0;
return (d >>> 0) / 4294967296;
}
}
LCG（aka Lehmer / Park-Miller RNG或MCG）
LCG 非常快速和简单，但是其随机性的质量非常低，以至于使用不当实际上可能会导致程序中的错误！但是，它比建议使用Math.sin或Math.PI！的答案好得多。不过这是单线的，很好:)。
var LCG=s=>()=>(2**31-1&(s=Math.imul(48271,s)))/2**31;
此实现称为Park-Miller在1988年和1993年提出的最低标准 RNG，并在C ++ 11中实现为。请记住，状态是31位（31位给出20亿个可能的状态，32位给出两倍的状态）。这是其他人试图替代的PRNG类型！minstd_rand
它会起作用，但是除非您确实需要速度并且不在乎随机性质量（无论如何是随机性），否则我不会使用它。非常适合游戏果酱或演示之类的东西。LCG具有种子相关性，因此最好丢弃 LCG 的第一个结果。而且，如果您坚持使用LCG，则增加一个增量值可能会改善结果，但是当存在更好的选择时，这可能是徒劳的。
似乎还有其他乘法器提供32位状态（增加的状态空间）：
var LCG=s=>()=>(s=Math.imul(741103597,s)>>>0)/2**32;
var LCG=s=>()=>(s=Math.imul(1597334677,s)>>>0)/2**32;
这些LCG值来自：P. L'Ecuyer：不同大小和良好晶格结构的线性同余生成器表，1997年4月30日。