Random类主要用来生成随机数，下面列出了它的常用方法和使用案例。

Random类 (java.util)

Random类中实现的随机算法是伪随机，也就是有规则的随机。在进行随机时，随机算法的起源数字称为种子数(seed)，在种子数的基础上进行一定的变换，从而产生需要的随机数字。

相同种子数的Random对象，相同次数生成的随机数字是完全相同的。也就是说，两个种子数相同的Random对象，第一次生成的随机数字完全相同，第二次生成的随机数字也完全相同。这点在生成多个随机数字时需要特别注意。

下面介绍一下Random类的使用，以及如何生成指定区间的随机数组以及实现程序中要求的几率。

1、Random对象的生成

Random类包含两个构造方法：

示例代码：

Random r = new Random();
Random r1 = new Random(10);

强调：种子数只是随机算法的起源数字，和生成的随机数字的区间无关。

2、Random类中的常用方法

Random类中各方法生成的随机数字都是均匀分布的，也就是区间内部的数字生成的几率是均等的。

下面对这些方法做一下基本的介绍：

3、Random类使用示例

使用Random类，一般是生成指定区间的随机数字使用方法如下：

（1）public boolean nextBoolean() 生成true和false的值几率相等，也就是都是50%的几率。

Random randomno = new Random();
boolean value = randomno.nextBoolean();

（2）public double nextDouble() 生成一个随机的double值

该方法的作用是生成一个随机的double值，数值介于[0,1.0)之间。

生成[0,1.0)区间的小数：

Random r = new Random();
double d1 = r.nextDouble();

生成[0,5.0)区间的小数：double d2 = random.nextDouble() * 5;

Random r = new Random();
double d2 = random.nextDouble() * 5;

生成[1,2.5)区间的小数：

Random r = new Random();
double d3 = r.nextDouble() * 1.5 + 1;

（3）public int nextInt(int n) 生成任意整数

生成一个随机介于[0,n)的int值，包含0而不包含n。

生成[0,10)区间的整数：

int n2 = r.nextInt(10);
n2 = Math.abs(r.nextInt() % 10);

相对于整数区间，[0,10]区间和[0,11)区间等价，所以即生成[0,11)区间的整数。

生成[0,10]区间的整数：

int n3 = r.nextInt(11);
n3 = Math.abs(r.nextInt() % 11);

以上两行代码均可生成[0,10)区间的整数。

第一种实现使用Random类中的nextInt(int n)方法直接实现。

第二种实现中，首先调用nextInt()方法生成一个任意的int数字，该数字和是10，取余以后生成的数字区间为(-10,10)，然后再对该区间求绝对值，则得到的区间就是[0,10)了。

同理，生成任意[0,n)区间的随机整数，都可以使用如下代码：

int n2 = r.nextInt(n);
n2 = Math.abs(r.nextInt() % n);
生成[-3,15)区间的整数
int n4 = r.nextInt(18) - 3;
n4 = Math.abs(r.nextInt() % 18) - 3;

生成非从0开始区间的随机整数，可以参看上面非从0开始的小数区间实现原理的说明。

（4）几率实现

按照一定的几率实现程序逻辑也是随机处理可以解决的一个问题。下面以一个简单的示例演示如何使用随机数字实现几率的逻辑。

在前面的方法介绍中，nextInt(int n)方法中生成的数字是均匀的，也就是说该区间内部的每个数字生成的几率是相同的。那么如果生成一个[0,100)区间的随机整数，则每个数字生成的几率应该是相同的，而且由于该区间中总计有100个整数，所以每个数字的几率都是1%。按照这个理论，可以实现程序中的几率问题。示例：随机生成一个整数，该整数以55%的几率生成1，以40%的几率生成2，以5%的几率生成3。实现的代码如下：

int n5 = r.nextInt(100);
int m; //结果数字
if(n5 < 55){ //55个数字的区间，55%的几率
    m = 1;
}else if(n5 < 95){//[55,95)，40个数字的区间，40%的几率
    m = 2;
}else{
    m = 3;
}

因为每个数字的几率都是1%，则任意55个数字的区间的几率就是55%，为了代码方便书写，这里使用[0,55)区间的所有整数，后续的原理一样。

当然，这里的代码可以简化，因为几率都是5%的倍数，所以只要以5%为基础来控制几率即可，下面是简化的代码实现：

int n6 = r.nextInt(20);
int m1;
if(n6 < 11){
    m1 = 1;
}else if(n6 < 19){
    m1 = 2;
}else{
    m1 = 3;
}

在程序内部，几率的逻辑就可以按照上面的说明进行实现。

（5）其它问题

相同种子数Random对象问题

前面介绍过，相同种子数的Random对象，相同次数生成的随机数字是完全相同的，下面是测试的代码：

Random r1 = new Random(10);
Random r2 = new Random(10);
for(int i = 0;i < 2;i++){
     System.out.println(r1.nextInt());
     System.out.println(r2.nextInt());
}

在该代码中，对象r1和r2使用的种子数都是10，则这两个对象相同次数生成的随机数是完全相同的。

如果想避免出现随机数字相同的情况，则需要注意，无论项目中需要生成多少个随机数字，都只使用一个Random对象即可。

关于Math类中的random方法

其实在Math类中也有一个random方法，该random方法的工作是生成一个[0,1.0)区间的随机小数。

通过阅读Math类的源代码可以发现，Math类中的random方法就是直接调用Random类中的nextDouble方法实现的。

只是random方法的调用比较简单，所以很多程序员都习惯使用Math类的random方法来生成随机数字。

分享不易，关注、点赞支持一波，万分感谢。