探秘随机数种子：伪随机数生成机制
在程序中生成随机数时，“随机数种子”扮演着关键角色。种子设置不当会导致程序每次运行都产生相同的“随机”数，与预期随机性背道而驰。本文将深入剖析随机数种子的工作原理，并阐明其重要性。
我们将通过Go语言代码示例，演示如何生成随机字符串，并讲解随机数种子在其中的作用。代码中，rand.Seed(time.Now().Unix()) 用于设置种子。如果在循环内多次调用rand.Seed，每次使用的时间戳相同，生成的“随机”数也相同；而循环外仅调用一次，每次运行程序的时间戳不同，从而生成不同的“随机”数。
计算机无法生成真正的随机数，其本质是遵循确定性规则运算的机器。所谓的“随机数”，其实是伪随机数，由确定性算法生成，其数列看起来像随机数。
伪随机数生成器（PRNG）的核心是一个数学函数，它以输入值（种子）生成输出值（伪随机数）。关键在于，相同的种子将产生完全相同的伪随机数序列。这解释了Go代码中，多次设置相同种子，结果相同的现象。
为了获得看似不同的随机数，我们需要不断改变种子。文中提到的时间戳（time.Now().Unix()）是常用种子来源。系统时间不断变化，每次运行程序的种子都不同，从而生成不同的伪随机数序列。除了时间戳，CPU频率、CPU温度等信息也可作为种子，增强随机性的不可预测性。Go代码示例中，只有在循环外设置一次rand.Seed才能得到预期随机结果，原因就在于此。种子决定了伪随机数序列的起点，算法决定了序列的后续发展。
