Pseudotoevalsgenerator: verschil tussen versies

De output die de pseudotoevalsgenerator geeft, is helemaal niet willekeurig, omdat hij volledig wordt bepaald door een relatief kleine set van initiële waarden, de zogenoemde PRNG-toestand. [[John von Neumann]] zei hierover: "Iedereen die rekenkundige methoden voor de productie van willekeurige getallen bestudeert, begaat natuurlijk een zonde." Hoewel rijen die meer lijken op echte [[toevalsgetatoevalsgetal]]llenlen, gegenereerd kunnen worden door toevalsgetalgeneratoren in hardware, zijn pseudotoevalsgeneratoren van belang niietniet alleen vanwege hun snelheid maar juist vanwege hun reproduceerbaarheid.

Pseudotoevalsgeneratoren zijn ontwikkeld, omdat het weliswaar moeilijk is "echte" toevalsgetallen te genereren, maar in de meeste situaties juist pseudotoevalsgetallen nodig zijn in plaats van echte toevalsgetallen. Pseudotoevalsgeneratoren zijn eenvoudig te implementeren voor computers, en zijn dus gemakkelijk en effectief toe tte epassenpassen.

Pseudotoevalsgetallen zijn van belang in de praktijk van simulaties (bijvoorbeeld van fysische systemen met de [[Monte-Carlosimulatie|Monte Carlo methode]]) en staan centraal in de praktijk van de [[cryptografie]] en [[procedurele generatie]]. De meeste pseudowillekeurige algoritmes proberen een output te produceren die [[uniforme verdeling (discreet)|uniform verdeeld]] is. Een groot aantal generatoren maakt gebruik van lineaire congruentie. Andere zijn geïnspireerd op de [[Rij van Fibonacci|Fibonacci-reeks]] door de toevoeging van twee eerdere waarden of maken gebruik van [[schuifregister|schuifregisters]]s waarin het vorige resultaat wordt geïnjecteerd na een tussenverwerking. Recente voorbeelden van cryptografische pseudotoevalsgeneratoren zijn Blum Blum Shub (BBS), Fortuna (PRNG), Yarrow en de [[mersennetwister]].