以下函数可以很容易地在所需范围内获取随机浮点数[X,Y)（注意X是包括的，Y是不包括的），因为Math.random()（以及大多数伪随机数生成器，据我所知）产生[0,1)中的数字：
function randomInRange(min, max) {
return Math.random() * (max-min) + min;
}
// Notice that we can get "min" exactly but never "max".
如何获得一个在指定范围内的随机数，范围包括两个端点，例如[X,Y]？
我想我们可以通过将Math.random()（或等价物）的值“增加”，再通过滚动IEE-754浮点双精度的位来将最大可能值精确地放在1.0处，但是这似乎很难正确实现，特别是在不适合位操作的语言中。有更简单的方法吗？
（顺便问一句，为什么随机数生成器产生的数字是在[0,1)而不是[0,1]范围内？）
[编辑] 请注意，我并没有需要这个问题，我完全意识到这个区别非常微小。只是出于好奇想要一些有趣的回答。如果此问题不合适，请随意投票关闭。
我相信有更好的决策，但这个应该有效 :)
function randomInRange(min, max) {
return Math.random() < 0.5 ? ((1-Math.random()) * (max-min) + min) : (Math.random() * (max-min) + min);
}
1-Math.random() 不会丢失精度。 - tc.首先，你的代码存在一个问题：尝试使用randomInRange(0,5e-324)或直接在浏览器的JavaScript控制台中输入Math.random()*5e-324。
即使没有溢出/下溢/非规格化数，理性地推断浮点运算仍然很困难。经过一番挖掘，我找到了一个反例：
>>> a=1.0
>>> b=2**-54
>>> rand=a-2*b
>>> a
1.0
>>> b
5.551115123125783e-17
>>> rand
0.9999999999999999
>>> (a-b)*rand+b
1.0
这个问题可以通过a=253和b=0.5来更好地解释：253-1是下一个可表示的数字。默认的舍入模式（“四舍五入到最近的偶数”）将253-0.5向上舍入（因为253是“偶数”[LSB = 0]，而253-1是“奇数”[LSB = 1]），所以您减去b得到253，乘以得到253-1，再加上b得到253。
回答您的第二个问题：因为底层PRNG几乎总是在区间[0,2n-1]中生成随机数，即生成随机位。很容易选择一个合适的n（浮点表示中的精度位数）并除以2n以获得可预测的分布。请注意，使用此方法您将永远不会生成[0,1)中的某些数字（使用IEEE双精度浮点数，在(0,2-53)中的任何内容都不会生成）。
这也意味着您可以执行a[Math.floor(Math.random()*a.length)]而不必担心溢出（作业：在IEEE二进制浮点数中，证明b < 1意味着对于正整数a，a*b < a）。
另一个好处是您可以将每个随机输出x视为表示间隔[x,x+2-53)的区间（不太好的是返回的平均值略小于0.5）。如果您返回[0,1]，您是否应该像其他所有内容一样具有同等概率地返回端点，还是它们只应该具有一半的概率，因为它们只代表了其他所有内容的一半间隔？
为了回答返回[0,1]中的数字的简单问题，下面的方法有效地生成一个整数[0,2n]（通过在[0,2n+1-1]中生成一个整数并在它太大时丢弃它），然后除以2n：
function randominclusive() {
// Generate a random "top bit". Is it set?
while (Math.random() >= 0.5) {
// Generate the rest of the random bits. Are they zero?
// If so, then we've generated 2^n, and dividing by 2^n gives us 1.
if (Math.random() == 0) { return 1.0; }
// If not, generate a new random number.
}
// If the top bits are not set, just divide by 2^n.
return Math.random();
}
a=0 b=0 : 返回0a=0 b=0.5: 返回0.5a=0.5 b=0 : 返回1a=0.5 b=0.5: 循环我对这个问题的解决方案一直是使用以下方法来替换您的上限。
Math.nextAfter(upperBound,upperBound+1)
或者
upperBound + Double.MIN_VALUE
double myRandomNum = Math.random() * Math.nextAfter(upperBound,upperBound+1) + lowerBound;
或者
double myRandomNum = Math.random() * (upperBound + Double.MIN_VALUE) + lowerBound;
这只是通过最小的双精度(Double.MIN_VALUE)增加您的上限，以便您的上限将成为随机计算的可能性之一。
这是一个很好的方法，因为它不会偏向任何一个数字而扭曲概率。
唯一无法奏效的情况是当你的上限等于Double.MAX_VALUE时。
Double.MAX_VALUE 作为上限？ - electfunction randomInRangeInclusive(min,max) {
var ret;
for (;;) {
ret = min + ( Math.random() * (max-min) * 1.1 );
if ( ret <= max ) { break; }
}
return ret;
}
给定在0到1之间的“极大”值数量，这真的很重要吗？实际命中1的机会微乎其微，所以它对你正在做的任何事情几乎不会产生显著影响。
在某个范围内生成“均匀”的浮点数是非常棘手的。例如，将随机整数乘以一个常数或除以一个常数，或者通过缩放“均匀”的浮点数以达到所需的范围，这些都有劣势，因为不能以这种方式覆盖范围内浮点格式可以表示的所有数字，并且可能存在微妙的偏差问题。这些问题在 F. Goualard 的 "Generating Random Floating-Point Numbers by Dividing Integers: a Case Study" 中详细讨论。
只是为了展示问题有多么棘手，以下伪代码在闭区间 [lo, hi] 中生成一个随机的“均匀行为”浮点数，其中该数字采用 FPSign * FPSignificand * FPRADIX^FPExponent 的形式。以下伪代码摘自我的 floating-point number generation 部分。请注意，它适用于任何精度和任何基数（包括二进制和十进制）的浮点数。
METHOD RNDRANGE(lo, hi)
losgn = FPSign(lo)
hisgn = FPSign(hi)
loexp = FPExponent(lo)
hiexp = FPExponent(hi)
losig = FPSignificand(lo)
hisig = FPSignificand(hi)
if lo > hi: return error
if losgn == 1 and hisgn == -1: return error
if losgn == -1 and hisgn == 1
// Straddles negative and positive ranges
// NOTE: Changes negative zero to positive
mabs = max(abs(lo),abs(hi))
while true
ret=RNDRANGE(0, mabs)
neg=RNDINT(1)
if neg==0: ret=-ret
if ret>=lo and ret<=hi: return ret
end
end
if lo == hi: return lo
if losgn == -1
// Negative range
return -RNDRANGE(abs(lo), abs(hi))
end
// Positive range
expdiff=hiexp-loexp
if loexp==hiexp
// Exponents are the same
// NOTE: Automatically handles
// subnormals
s=RNDINTRANGE(losig, hisig)
return s*1.0*pow(FPRADIX, loexp)
end
while true
ex=hiexp
while ex>MINEXP
v=RNDINTEXC(FPRADIX)
if v==0: ex=ex-1
else: break
end
s=0
if ex==MINEXP
// Has FPPRECISION or fewer digits
// and so can be normal or subnormal
s=RNDINTEXC(pow(FPRADIX,FPPRECISION))
else if FPRADIX != 2
// Has FPPRECISION digits
s=RNDINTEXCRANGE(
pow(FPRADIX,FPPRECISION-1),
pow(FPRADIX,FPPRECISION))
else
// Has FPPRECISION digits (bits), the highest
// of which is always 1 because it's the
// only nonzero bit
sm=pow(FPRADIX,FPPRECISION-1)
s=RNDINTEXC(sm)+sm
end
ret=s*1.0*pow(FPRADIX, ex)
if ret>=lo and ret<=hi: return ret
end
END METHOD
float来说是2^24中的一个，而对于double来说是2^53中的一个。
实际上，差异微不足道。
在什么情况下，您需要将浮点值包含在上限内？对于整数我理解，但对于浮点数，包含和不包含之间的差异是多少，像1.0e-32这样。
这样想吧。如果你想象浮点数具有任意精度，那么得到恰好min的机会为零。得到max的机会也是如此。我会让你自己得出结论。
这个“问题”相当于在0和1之间的实线上随机取一个点。没有“包含”和“不包含”的概念。
0 * 无穷大 = 未定义。事实上，结果是1。这是因为上述方程中的0由 1（概率总和）/ 无穷大（可能性数量）= 0（任何一个数字的概率） 确定。使用这个逻辑，你可以简化 0 * 无穷大 = 1 / 无穷大 * 无穷大 = 1。 - Kendall Frey我经验相对较少，因此我也在寻找解决方案。
这是我的初步想法：
随机数生成器产生的数字是 [0,1) 而不是 [0,1]，
因为 [0,1) 是一个单位长度，可以跟随 [1,2) 等而不重叠。
对于 random[x, y]，您可以这样做：
float randomInclusive(x, y){
float MIN = smallest_value_above_zero;
float result;
do{
result = random(x, (y + MIN));
} while(result > y);
return result;
}
当[x，y]中的所有值具有相同的选择可能性，并且您现在可以到达y时。