题目:
1010
问题描述
计算机模拟通常需要随机数。生成伪随机数的一种方法是通过
种子(x+1)=[种子(x)+步骤]%MOD
其中“%”是模运算符。
这样的函数将生成介于0和MOD-1之间的伪随机数(seed)。这种形式的函数的一个问题是,它们总是一遍又一遍地生成相同的模式。为了最小化这种影响,仔细选择步长和MOD值可以使所有值在(包括)0和MOD-1之间均匀分布。
例如,如果STEP=3和MOD=5,函数将在重复周期中生成伪随机数序列0、3、1、4、2。在本例中,函数的每次MOD迭代都将生成0和MOD-1之间(包括0和MOD-1)的所有数字。请注意,根据函数的性质,在每次发生seed(x)时生成相同的seed(x+1)意味着,如果函数将生成0到MOD-1之间的所有数字,则它将在每次MOD迭代中均匀地生成伪随机数。
如果STEP=15,MOD=20,则函数生成序列0、15、10、5(如果初始种子不是0,则生成任何其他重复序列)。这是一个糟糕的步骤和MOD的选择,因为没有初始种子将从0和MOD-1生成所有的数字。
你的程序将决定选择STEP和MOD是否会产生伪随机数的均匀分布。
输入
每一行输入将包含一对整数,按顺序为STEP和MOD(1<=STEP,MOD<=100000)。
输出
对于每一行输入,您的程序应该在第1列到第10列中右对齐打印步长值,在第11列到第20列中右对齐打印MOD值,在第25列中从左对齐打印“Good
Choice”或“Bad Choice”。当选择STEP和MOD将在生成MOD数字时生成0和MOD-1之间(包括0和MOD-1)的所有数字时,应打印“Good Choice”消息。否则,您的程序应该打印消息“错误的选择”。在每个输出测试集之后,程序应该只打印一个空行。

该博客讨论了如何评估STEP和MOD的选择是否会导致在[0, MOD-1]范围内均匀分布的伪随机数。当两个数的最大公约数为1时,选择是'Good Choice',否则是'Bad Choice'。内容解释了最大公约数的重要性,并提供了示例输入和输出。"
71035578,1393677,Python进程信号处理详解,"['Python', '信号', '进程管理']

341

被折叠的 条评论
为什么被折叠?



