当前位置： 首页 > news >正文

commons-rng(伪随机数生成)

news 2025/10/14 8:40:36

概述

提供伪随机数生成功能，包含多种算法实现和基础功能。

maven依

        <!--核心模块，包含了多种伪随机数生成算法的实现，如线性同余生成器（LCG）、梅森旋转算法（Mersenne Twister）等。--><dependency><groupId>org.apache.commons</groupId><artifactId>commons-rng-core</artifactId><version>1.6</version></dependency><!--客户端使用的 API，方便开发者快速集成和使用随机数生成功能。--><dependency><groupId>org.apache.commons</groupId><artifactId>commons-rng-client-api</artifactId><version>1.6</version></dependency><!-- 采样模块，支持从各种分布中进行随机采样，如均匀分布、正态分布等。 --><dependency><groupId>org.apache.commons</groupId><artifactId>commons-rng-sampling</artifactId><version>1.6</version></dependency><!-- 简单模块，提供了易于使用的随机数生成接口，适合快速开发和原型设计。  --><dependency><groupId>org.apache.commons</groupId><artifactId>commons-rng-simple</artifactId><version>1.6</version></dependency>

示例

  • 通过指定算法生成随机数
        RestorableUniformRandomProvider randomProvider = RandomSource.WELL_1024_A.create();for (int i = 0; i < 20; i++) {System.out.println(randomProvider.nextInt());}
  • 在指定空间图形中均匀取点
        //在线段均匀取点，参数分别是随机数生成器、起始点坐标(支持一维、二维、三维及多维)double[] p1 = LineSampler.of(RandomSource.JDK.create(), new double[]{0,0,0},new double[]{2,2,2}).sample();System.out.println(Arrays.toString(p1));//在矩形、长方形空间均匀取点，参数分别是随机数生成器、起始点坐标(支持二维、三维及多维)double[] p2 = BoxSampler.of(RandomSource.JDK.create(), new double[]{0,0,0}, new double[]{2,2,2}).sample();System.out.println(Arrays.toString(p2));//在圆、球等空间均匀取点，参数分别是随机数生成器、维度(支持二维、三维及多维)double[] p3 = UnitSphereSampler.of(RandomSource.JDK.create(), 3).sample();System.out.println(Arrays.toString(p3));//在三角形空间均匀取点，参数分别是随机数生成器、三个顶点(支持二维、三维及多维)double[] p4 = TriangleSampler.of(RandomSource.JDK.create(), new double[]{0, 0}, new double[]{2, 2}, new double[]{0, 2}).sample();System.out.println(Arrays.toString(p4));
  • 数组、集合随机排序及取值
        //打乱集合指定范围内元素的顺序int[] arr1 = ArraySampler.shuffle(RandomSource.JDK.create(), new int[]{1,2,3,4,5,6,7,8,9},0,5);System.out.println(Arrays.toString(arr1));//随机获取集合中指定数量的元素List<Integer> list1 = ListSampler.sample(RandomSource.JDK.create(), Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9), 5);System.out.println(list1);//集合中随机获取一个元素CollectionSampler sampler=new CollectionSampler(RandomSource.JDK.create(), Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9));System.out.println(sampler.sample());//随机获取5个元素中获取3个元素的一个组合int[] arr2 = new CombinationSampler(RandomSource.JDK.create(), 5, 3).sample();System.out.println(Arrays.toString(arr2));//随机获取5个元素中获取3个元素的一个排序int[] arr3 = new PermutationSampler(RandomSource.JDK.create(), 5, 3).sample();System.out.println(Arrays.toString(arr3));

        //生成高斯分布（正态分布）随机数，参数分别是标准正态分布随机数‌的高效采样器、均值、标准差double sample = GaussianSampler.of(new BoxMullerNormalizedGaussianSampler(RandomSource.JDK.create()), 5, 1).sample();System.out.println(sample);//生成泊松分布随机数,参数分别是随机数生成器、均值int sample1 = PoissonSampler.of(RandomSource.JDK.create(), 5).sample();System.out.println(sample1);

常用API

commons-rng-simple(包含commons-rng-client-api和commons-rng-core) 提供了易于使用的随机数生成接口，方便快速使用

  • RandomSource 常用随机数生成器算法枚举
枚举项算法类型周期长度特点
JDKjdk自带2^48兼容性优先，性能一般
WELL_512_AWELL512A2^512-1均衡质量与性能
WELL_1024_AWELL1024A2^1024-1更高维度的均匀性
WELL_19937_AWELL19937A2^19937-1长周期高统计质量
WELL_19937_CWELL19937C2^19937 - 1WELL19937改进版,比 MT算法 更快，且避免其初始状态缺陷
WELL_44497_AWELL44497A2^44497-1极长周期，内存占用较高
WELL_44497_BWELL44497B2^44497-1WELL44497改进版,比标准 MT算法 更优的初始状态质量
MTMersenneTwister2^19937-1‌输出精度为324位整数,超长周期，适合科学计算
MT_64MersenneTwister-642^19937 - 1‌输出精度为64位整数,比32位版本略慢，但提供更高精度输出
ISAACISAAC2^8295加密安全设计
SPLIT_MIX_64SplitMix642^64快速种子生成器
TWO_CMRESTwoCmres约 2^64双线性同余组合算法，中等周期
TWO_CMRES_SELECTTwoCmresSelect2^64TwoCmres的优化变体,比单一 LCG 更快，且减少线性相关性
MWC_256MultiplyWithCarry256约 2^8222256位状态，快速但统计质量一般
KISSKISS (Keep It Simple)约 2^123经典混合算法，适合基础场景
XOR_SHIFT_1024_SXorShift1024*2^1024-1经典高性能算法
XOR_SHIFT_1024_S_PHIXorShift1024StarPhi2^1024-1改进输出函数，统计质量更优
XO_RO_SHI_RO_64_SXoRoShiRo64*2^64-1
XO_RO_SHI_RO_64_SSXoRoShiRo64**2^64-1
XO_SHI_RO_128_PLUSXoShiRo128+2^128-1
XO_SHI_RO_128_SSXoShiRo128**2^128-1
XO_RO_SHI_RO_128_PLUSXoRoShiRo128+2^128-1轻量级高速算法
XO_RO_SHI_RO_128_SSXoRoShiRo128**2^128-1最高统计质量变体
XO_SHI_RO_256_PLUSXoShiRo256+2^256-1256位状态版本
XO_SHI_RO_256_SSXoShiRo256**2^256-1
XO_SHI_RO_512_PLUSXoShiRo512+2^512-1512位状态版本
XO_SHI_RO_512_SSXoShiRo512**2^256-1
XO_SHI_RO_128_PPXoShiRo128++2^128-1
XO_RO_SHI_RO_128_PPXoRoShiRo128++2^128-1增强版输出函数
XO_SHI_RO_256_PPXoShiRo256++2^256-1256位状态改进版
XO_SHI_RO_512_PPXoShiRo512++2^512-1512位状态改进版
XO_RO_SHI_RO_1024_PPXoRoShiRo1024++2^1024-1
XO_RO_SHI_RO_1024_SXoRoShiRo1024*2^1024-1
XO_RO_SHI_RO_1024_SSXoRoShiRo1024**2^1024-1
PCG_XSH_RR_32PCG-XSH-RR-322^64紧凑型算法，32位输出
PCG_XSH_RS_32PCG-XSH-RS-322^64PCG 变体，不同输出函数
PCG_RXS_M_XS_64PCG-RXS-M-XS-642^6464位输出版本，科学计算
PCG_MCG_XSH_RR_32PCG_MCG_XSH_RR_322^32
PCG_MCG_XSH_RS_32PCG_MCG_XSH_RS_322^32最简实现，速度最快
PCG_XSH_RR_32_OSPCG_XSH_RR_32_OS2^64需要轻量级但比标准PRNG更安全的场景
PCG_XSH_RS_32_OSPCG_XSH_RS_32_OS2^64需要更高熵的轻量级安全场景
PCG_RXS_M_XS_64_OSPCG_RXS_M_XS_64_OS2^64需要更高熵的轻量级安全场景
MSWSMiddleSquareWeylSequence约 2^64实验性算法，适合非关键性随机需求
SFC_32SmallFastChaotic32约2^128快速混沌算法，适合低延迟场景
SFC_64SmallFastChaotic64约2^256混沌算法，超高吞吐量
JSF_32JenkinsSmallFast32约2^128实时性要求高的随机事件
JSF_64JenkinsSmallFast64约2^256需要高精度输出的场景
L64_X128_SSLcgXorshiftStateSplitting2^64 - 164位状态、128位种子‌,非关键随机逻辑
L32_X64_MIXLcgXorshiftMix≥ 2^6432位状态、64位种子‌, 嵌入式/低资源环境
L64_X128_MIXLcgXorshiftMix≥ 2^12864位状态、128位种子‌,游戏/通用随机需求
L64_X256_MIXLcgXorshiftMix≥ 2^25664位状态、256位种子‌,高性能科学计算
L64_X1024_MIXLcgXorshiftMix≥ 2^102464位状态、1024位种子‌, 超长周期模拟
L128_X128_MIXLcgXorshiftMix≥ 2^128128位状态、128位种子‌,平衡性能与随机性
L128_X256_MIXLcgXorshiftMix≥ 2^256128位状态、256位种子‌, 高精度金融建模
L128_X1024_MIXLcgXorshiftMix≥ 2^1024128位状态、1024位种子‌,密码学外围应用
  • RestorableUniformRandomProvider可用方法
方法说明
saveState()保存当前内部状态为字节数组，便于后续恢复。
restoreState(RandomProviderState var1)从字节数组恢复状态，使生成器回到保存时的状态。
nextBytes(byte[] bytes)
nextBytes(byte[] bytes, int start, int len)		填充指定字节数组或指定范围的数组片段，内容为均匀分布的随机字节
nextInt()
nextInt(int n)
nextInt(int origin, int bound)		生成均匀分布的随机整数,可指定范围:[origin, bound)
nextLong()
nextLong(long n)
nextLong(long origin, long bound)		生成均匀分布的随机长整数,可指定范围:[origin, bound)
nextFloat()
nextFloat(float bound)
nextFloat(float origin, float bound)		生成均匀分布的随机浮点数,可指定范围:[origin, bound)
nextDouble()
nextDouble(double bound)
nextDouble(double origin, double bound)		生成均匀分布的随机双精度浮点数,可指定范围:[origin, bound)
nextBoolean()生成一个随机的布尔值
ints()
ints(int origin, int bound)
ints(long streamSize)
ints(long streamSize, int origin, int bound)		批量生成随机整数‌
longs()
longs(long origin, long bound)
longs(long streamSize)
longs(long streamSize, long origin, long bound)		批量生成随机长整数‌
doubles()
doubles(double origin, double bound)
doubles(long streamSize)
doubles(long streamSize, double origin, double bound)		批量生成随机双精度浮点数‌

commons-rng-core 各种随机算法类

  • 32位整数生成器
方法说明
DotyHumphreySmallFastCounting32SFC算法的32位版本
ISAACRandom基于 ISAAC算法 的加密安全伪随机数生成器,适用于密码学、安全令牌场景
JDKRandom基于 Java标准库 java.util.Random 的随机数生成器
JenkinsSmallFast32基于 哈希/随机数算法的随机数生成器
KISSRandom基于 KISS算法 的轻量级高性能随机数生成器
L32X64Mix基于 LXM算法 的高性能伪随机数生成器
MersenneTwister基于 梅森旋转算法 的随机数生成器
MiddleSquareWeylSequence结合 Middle Square‌（中平方法）和 Weyl Sequence‌（韦伊序列）两种数学方法的伪随机数生成器,适用于简单随机事件（如游戏中道具掉落）
MultiplyWithCarry256基于MWC算法 的高性能伪随机数生成器,适用于高频通用需求（如游戏AI）
PcgMcgXshRr32基于 PCG算法 的高性能伪随机数生成器,基于 Mcg和XSH-RR ‌输出变换,适用于科学计算、需要高均匀性的场景
PcgMcgXshRs32基于 PCG算法 的高性能伪随机数生成器,基于 Mcg和XSH-RS ‌输出变换,适用于游戏、高频但质量要求不极端的场景
PcgXshRr32基于 PCG算法 的高性能伪随机数生成器,基于 XSH-RR‌输出变换‌
PcgXshRs32基于 PCG算法 的高性能伪随机数生成器,基于 XSH-RS‌输出变换‌
Well512a基于 WELL算法 的伪随机数生成器,512位状态大小,适用于轻量级高频需求
Well1024a基于 WELL算法 的伪随机数生成器,1024位状态大小,适用于通用科学计算
Well19937a基于 WELL算法 的伪随机数生成器,19937位状态大小,适用于高精度模拟
Well19937c基于 WELL算法 的伪随机数生成器,19937位状态大小,优化了Well19937a性能,适用于实时性要求较高的场景
Well44497a基于 WELL算法 的伪随机数生成器,44497位状态大小,适用于密码学预处理、高安全模拟
Well44497b基于 WELL算法 的伪随机数生成器,44497位状态大小,优化了Well44497a性能,适用于需要长周期且高性能的场景
XoRoShiRo64Star基于 XoRoShiRo算法64位 的伪随机数生成器,一重乘法版,适用于轻量级高频需求（如游戏）
XoRoShiRo64StarStar基于 XoRoShiRo算法64位 的伪随机数生成器,双重乘法输出变换,适用于更高统计质量的64位场景
XoShiRo128Plus基于 XoShiRo算法128位 的伪随机数生成器,一重加法版,适用于通用高性能需求
XoShiRo128PlusPlus基于 XoShiRo算法128位 的伪随机数生成器,双重加法输出变换,适用于平衡速度与质量场景
XoShiRo128StarStar基于 XoShiRo算法128位 的伪随机数生成器,双重乘法输出变换,适用于高统计质量需求
  • 64位整数生成器
方法说明
DotyHumphreySmallFastCounting64SFC算法的64位版本
JenkinsSmallFast64基于 哈希/随机数算法的随机数生成器
L64X128Mix基于 LXM算法 的高性能伪随机数生成器,64+128位状态大小
L64X128StarStar基于 LXM算法 的高性能伪随机数生成器,64+128位状态大小,优化为乘法输出变换
L64X256Mix基于 LXM算法 的高性能伪随机数生成器,64+256位状态大小
L64X1024Mix基于 LXM算法 的高性能伪随机数生成器,64+1024位状态大小
L128X128Mix基于 LXM算法 的高性能伪随机数生成器,128+128位状态大小
L128X256Mix基于 LXM算法 的高性能伪随机数生成器,128+256位状态大小
L128X1024Mix基于 LXM算法 的高性能伪随机数生成器,128+1024位状态大小
MersenneTwister64基于 梅森旋转算法 的随机数生成器
PcgRxsMXs64基于 PCG算法 的高性能伪随机数生成器,基于 RXS-M-XS 输出变换
SplitMix64基于 PRNG算法 的伪随机数生成器,适合对性能要求高的场景（如游戏、模拟）。
TwoCmres基于 TwoCmres算法 的伪随机数生成器
XoRoShiRo128Plus基于 XoRoShiRo算法128位 的伪随机数生成器
XoRoShiRo128PlusPlus基于 XoRoShiRo算法128位 的伪随机数生成器,双重加法输出变换
XoRoShiRo128StarStar基于 XoRoShiRo算法128位 的伪随机数生成器,双重乘法输出变换
XoRoShiRo1024PlusPlus基于 XoRoShiRo算法128位 的伪随机数生成器,双重加法输出变换
XoRoShiRo1024Star基于 XoRoShiRo算法128位 的伪随机数生成器
XoRoShiRo1024StarStar基于 XoRoShiRo算法128位 的伪随机数生成器,双重乘法输出变换
XorShift1024Star基于 XorShift算法1024位 的伪随机数生成器
XorShift1024StarPhi基于 XorShift算法1024位 的伪随机数生成器,适用于长期模拟、高维统计
XoShiRo256Plus基于 XoShiRo算法256位 的伪随机数生成器
XoShiRo256PlusPlus基于 XoShiRo算法256位 的伪随机数生成器,双重加法输出变换
XoShiRo256StarStar基于 XoShiRo算法256位 的伪随机数生成器,双重乘法输出变换
XoShiRo512Plus基于 XoShiRo算法512位 的伪随机数生成器
XoShiRo512PlusPlus基于 XoShiRo算法512位 的伪随机数生成器,双重加法输出变换
XoShiRo512StarStar基于 XoShiRo算法512位 的伪随机数生成器,双重乘法输出变换
  • 所有随机数生成器均可使用next()方法获取随机数.

commons-rng-sampling 用于‌概率抽样‌和‌随机分布生成

  • 常用采样器

提供基于统计分布的采样功能，如生成符合特定概率分布的随机数。

取样器说明
GaussianSampler生成正态分布（高斯分布）随机数的采样器。配置参数：均值、标准差
BoxMullerNormalizedGaussianSampler基于 Box-Muller 变换‌算法实现的标准正态分布（μ=0, σ=1）随机数生成器。
MarsagliaNormalizedGaussianSampler基于 Marsaglia 极坐标法‌实现的标准正态分布（μ=0, σ=1）随机数生成器。
ZigguratNormalizedGaussianSampler基于 Ziggurat 算法‌实现的标准正态分布（μ=0, σ=1）随机数生成器。
PoissonSampler生成泊松分布随机数的采样器。配置参数：均值
KempSmallMeanPoissonSampler针对‌小均值泊松分布（λ ≤ 40）‌优化的采样器，采用 Kemp 算法实现高效采样。比通用泊松采样器更高效。配置参数：均值
LargeMeanPoissonSampler针对‌大均值泊松分布（λ > 40）‌优化的采样器，采用高斯近似算法实现高效采样。配置参数：均值
SmallMeanPoissonSampler针对‌小均值泊松分布（λ ≤ 40）‌优化的采样器，基于逆变换法实现高效采样。配置参数：均值
AhrensDieterExponentialSampler用于‌生成指数分布随机数‌的高效采样器。配置参数：均值
AhrensDieterMarsagliaTsangGammaSampler用于‌生成伽马分布随机数‌的高性能采样器。配置参数： 形状参数、反尺度参数
AliasMethodDiscreteSampler基于‌别名方法‌实现的高效离散分布采样器，适用于‌加权随机抽样‌场景。配置参数： ‌权重数组
ChengBetaSampler用于‌生成 Beta 分布随机数‌的高效采样器。配置参数：α、β
ContinuousUniformSampler用于‌生成连续均匀分布随机数‌的采样器，适用于在指定区间内生成均匀分布的浮点数。配置参数：下限(包含)、上限(不包含)
DiscreteUniformSampler用于生成‌离散均匀分布随机整数‌的采样器，适用于在指定范围内等概率抽取整数的场景。配置参数：下限(包含)、上限(包含)
DirichletSampler用于生成 Dirichlet 分布‌随机向量的采样器，适用于生成总和为1的多维概率分布样本。配置参数：浓度参数
FastLoadedDiceRollerDiscreteSampler基于 FLDR 算法‌ 实现的离散分布采样器，专为‌加权随机抽样‌场景优化设计。 配置参数：权重数组
GeometricSampler用于生成‌几何分布随机数‌的采样器，适用于模拟离散事件首次成功所需的试验次数。配置参数：单次试验成功概率
GuideTableDiscreteSampler基于 引导表法 ‌实现的离散分布采样器，适用于‌高效加权随机抽样‌场景。 配置参数：权重数组
InverseTransformContinuousSampler基于 ‌逆变换法 ‌实现的连续分布采样器，可通过解析逆累积分布函数生成的分布。配置参数：连续分布逆累积概率计算‌的函数
InverseTransformDiscreteSampler基于 ‌逆变换法 ‌实现的离散分布采样器，适用于可通过逆累积概率函数生成的离散分布。配置参数：用于‌离散分布逆累积概率计算‌的函数
InverseTransformParetoSampler基于 ‌逆变换法 ‌实现的帕累托分布采样器，适用于生成服从帕累托分布的随机数。配置参数：尺度参数、形状参数
LevySampler用于生成‌列维分布‌随机数的采样器，适用于模拟具有重尾特性的随机过程。配置参数：位置参数、尺度参数
LogNormalSampler用于生成‌对数正态分布‌随机数的采样器，适用于生成右偏（正偏态）的连续随机变量。配置参数：对数均值、对数标准差
MarsagliaTsangWangDiscreteSampler.Binomial基于 Marsaglia-Tsang-Wang 算法‌ 实现的离散分布采样器，专为‌高效加权随机抽样‌设计，支持二项分布。配置参数：试验次数、单次成功概率
MarsagliaTsangWangDiscreteSampler.Enumerated基于 Marsaglia-Tsang-Wang 算法‌ 实现的离散分布采样器，专为‌高效加权随机抽样‌设计，支持枚举分布。配置参数：权重数组
MarsagliaTsangWangDiscreteSampler.Poisson基于 Marsaglia-Tsang-Wang 算法‌ 实现的离散分布采样器，专为‌高效加权随机抽样‌设计，支持泊松分布。配置参数：均值
RejectionInversionZipfSampler基于 ‌拒绝反转法 ‌实现的 Zipf 分布采样器，适用于生成服从 Zipf 定律的离散随机数。配置参数：元素总数、指数参数
StableSampler用于生成‌稳定分布‌随机数的采样器，适用于模拟具有重尾和偏态特性的随机过程。配置参数：稳定性参数、偏度参数、尺度参数、位置参数
TSampler用于生成 Student’s t 分布‌ 随机数的采样器，适用于小样本统计推断和重尾分布建模。配置参数：自由度
UniformLongSampler用于生成‌长整型均匀分布随机数‌的采样器，适用于在指定区间内生成均匀分布的 long 类型随机数。配置参数：下限(包含)、上限(包含)
ZigguratSampler.NormalizedGaussian基于 Ziggurat 算法‌ 实现的高性能采样器，主要用于生成服从标准正态分布的随机数。
ZigguratSampler.Exponential基于 Ziggurat 算法‌ 实现的高性能采样器，主要用于生成服从指数分布的随机数。配置参数：均值

支持从几何形状或空间坐标点进行采样，例如在三维空间中生成符合特定几何形状的随机点。

取样器说明
BoxSampler用于‌在多维空间中矩形或长方体内生成均匀采样点‌的工具类
LineSampler用于‌在多维空间中沿直线（线段）生成均匀采样点‌的工具类
TetrahedronSampler在‌三维空间的正四面体内生成均匀随机点‌的采样器
TriangleSampler用于‌在多维空间中三角形内生成均匀采样点‌的工具类
UnitBallSampler用于‌在多维空间中单位圆或单位球体内部生成均匀采样点‌的工具类。单位圆或单位球的半径为1
UnitSphereSampler用于‌在多维空间中单位圆或单位球面生成均匀采样点‌的工具类。单位圆或单位球的半径为1

数组、集合随机排序和获取元素

取样器说明
ArraySampler数组元素随机打乱工具
ListSampler集合元素随机打乱或抽取工具
CollectionSampler用于‌从集合中随机抽样元素‌的工具类
DiscreteProbabilityCollectionSampler基于权重的离散抽样（如轮盘赌选择）
CombinationSampler随机组合抽取工具类
PermutationSampler随机排列抽取工具类（如数组洗牌）
  • NormalizedGaussianSampler可用实现类(‌标准正态分布随机数采样器)
实现类说明
BoxMullerNormalizedGaussianSampler基于 Box-Muller 变换‌实现的‌标准正态分布随机数采样器‌
MarsagliaNormalizedGaussianSampler基于 Marsaglia 极坐标法‌实现的‌‌标准正态分布随机数采样器,更快，适用于高性能需求场景
ZigguratNormalizedGaussianSampler基于 Ziggurat 算法‌实现的‌‌标准正态分布随机数采样器 ，适用于高频调用、高性能需求
  • 用于‌组合多个采样器‌的工具类，支持通过逻辑运算或数学运算将基础采样器组合成复杂分布。

CompositeSamplers

方法说明
newObjectSamplerBuilder()用于‌构建自定义对象采样器的构造器
newSharedStateObjectSamplerBuilder()用于‌构建可共享随机状态的复杂对象采样器的构造器‌
newDiscreteSamplerBuilder()用于‌构建自定义离散分布采样器的构造器
newSharedStateDiscreteSamplerBuilder()用于构建支持共享状态的离散型采样器的构造器
newContinuousSamplerBuilder()用于构建连续型采样器的构造器
newSharedStateContinuousSamplerBuilder()用于构建支持共享状态的连续型采样器的构造器
newLongSamplerBuilder()用于构建长整型采样器的构造器
newSharedStateLongSamplerBuilder()用于构建支持共享状态的长整型采样器的构造器

CompositeSamplers.Builder

方法说明
size()获取添加的采样器数量
add(S var1, double var2)新增采集器
setFactory(DiscreteProbabilitySamplerFactory var1)设置采集器工厂
build(UniformRandomProvider var1)构建采集器对象
http://www.dtcms.com/a/478319.html

相关文章：

  • qemu 串口模拟输入的整个流程
  • 在git commit时利用AI自动生成并填充commit信息
  • 【完整源码+数据集+部署教程】可回收金属垃圾检测系统源码和数据集：改进yolo11-AggregatedAtt
  • HakcMyVM-Crack
  • emmc extcsd寄存器
  • 利用径向柱图探索西班牙语学习数据
  • wordpress建淘宝客网站吗上海网站制作最大的公司
  • 定制网站平台的安全设计房地产公司网站建设
  • 筛法（Sieve Method）简介
  • 【论文阅读】基于指数-高斯混合网络的视频观看时间预测的多粒度分布建模-小红书recsys25
  • 网站开发过程模型做电影网站怎么接广告
  • 手机群控软件在游戏运营中的行为模拟技术实践
  • MySQL----触发器
  • 汕头模板建站平台朝阳市做网站
  • C8051F351-GMR工业用 8051 MCU 开发板C8051F351-GMR嵌入式处理器和控制器，适用于高精度模拟信号处理
  • [嵌入式系统-107]：语音识别的信号处理流程和软硬件职责
  • OkHttp源码解析（一）
  • 拆分PDF.html 办公小工具
  • 网站编辑用什么软件有关于网站建设类似的文章
  • 陶瓷网站制作wordpress导购主题
  • 分割——双线性插值
  • 北京天仪建设工程质量检测所网站上海做网站的公司电话
  • 建站优化一条龙新闻型网站建设
  • Petslist – Pet listing WordPress Theme Free Download
  • STM32 GPIO-------设置成51单片机模式输出
  • C++之多层继承、多源继承、菱形继承
  • 双目三维重建-1相机标定
  • GIT 提示 remote: HTTP Basic: Access denied
  • 建设门户网站都需要什么成都网站设计新闻
  • 徐州贾汪区建设局网站资兴市住房和城乡建设局网站