Matlab使用rand函数随机生成数字或矩阵

今天，古哥给大家带来Matlab中可以随机生成数字得函数rand得使用方法，rand函数可以生成均匀分布得随机数、随机矩阵、随机数组等。

本文主要讲解rand函数得常见用法、语法说明、由随机数组成的矩阵、指定区间内的随机数、随机整数、随机复数、重置随机数生成器、由随机数组成的三维数组、指定随机数的数据类型、根据现有数组克隆大小、根据现有数组克隆大小和数据类型、克隆分布式数组等用法。

常见用法

X = rand
X = rand(n)
X = rand(sz1,...,szN)
X = rand(sz)
X = rand(___,typename)
X = rand(___,'like',p)
X = rand(s,___)

语法说明

X = rand返回一个在区间 (0,1) 内均匀分布的随机数。

X = rand(n)返回一个 n×n 的随机数矩阵。

X = rand(sz1,…,szN)返回由随机数组成的 sz1×…×szN 数组，其中 sz1,…,szN 指示每个维度的大小。例如：rand(3,4) 返回一个 3×4 的矩阵。

X = rand(sz)返回由随机数组成的数组，其中大小向量 sz 指定 size(X)。例如：rand([3 4]) 返回一个 3×4 的矩阵。

X = rand(_,typename)返回由typename数据类型的随机数组成的数组。typename输入可以是'single'或 ‘double’。您可以使用上述语法中的任何输入参数。

X = rand(_,'like',p)返回由 p 等随机数组成的数组；也就是与 p 同一对象类型。您可以指定 typename 或 ‘like’，但不能同时指定两者。

X = rand(s,_)从随机数流 s 而不是默认全局流生成数字。要创建一个流，请使用 RandStream。指定 s，后跟上述语法中的任意参数组合，但涉及 ‘like’ 的组合除外。此语法不支持 ‘like’ 输入。

由随机数组成的矩阵

生成一个由介于 0 和 1 之间的均匀分布的随机数组成的 5×5 矩阵。

r = rand(5)

输出结果如下：

r =

    0.8147    0.0975    0.1576    0.1419    0.6557
    0.9058    0.2785    0.9706    0.4218    0.0357
    0.1270    0.5469    0.9572    0.9157    0.8491
    0.9134    0.9575    0.4854    0.7922    0.9340
    0.6324    0.9649    0.8003    0.9595    0.6787

指定区间内的随机数

生成一个由区间 (-5,5) 内均匀分布的数字组成的 10×1 列向量。

r = -5 + (5+5)*rand(10,1)

输出如下结果：

r =

    2.5774
    2.4313
   -1.0777
    1.5548
   -3.2881
    2.0605
   -4.6817
   -2.2308
   -4.5383
   -4.0287

一般来说，可以使用公式 r = a + (b-a).*rand(N,1) 生成区间 (a,b) 内的 N 个随机数。

随机整数

使用 randi 函数（而不是 rand）生成在 10 和 50 之间均匀分布的 5 个随机整数。

r = randi([10 50],1,5)

输出如下结果：

r =

    43    38    23    48    11

随机复数

生成一个实部和虚部位于区间 (0,1) 内的随机复数。

a = rand + 1i*rand

输出如下结果：

a =

   0.4387 + 0.3816i

重置随机数生成器

保存随机数生成器的当前状态并创建一个由随机数组成的 1×5 向量。

s = rng;
r = rand(1,5)

输出如下结果：

r =

    0.7655    0.7952    0.1869    0.4898    0.4456

将随机数生成器的状态恢复为 s，然后创建一个由随机数组成的新 1×5 向量。值与之前相同。

rng(s);
r1 = rand(1,5)

输出结果如下：

r1 =

    0.7655    0.7952    0.1869    0.4898    0.4456

始终使用 rng函数（而不是 rand 或 randn 函数）指定随机数生成器的设置。

由随机数组成的三维数组

创建一个由随机数组成的 3×2×3 数组。

X = rand([3,2,3])

输出结果如下：

X(:,:,1) =

    0.6463    0.2760
    0.7094    0.6797
    0.7547    0.6551


X(:,:,2) =

    0.1626    0.9597
    0.1190    0.3404
    0.4984    0.5853


X(:,:,3) =

    0.2238    0.5060
    0.7513    0.6991
    0.2551    0.8909

指定随机数的数据类型

创建一个由其元素为单精度值的随机数组成的 1×4 向量。

r = rand(1,4,'single')

输出结果如下：

r =

    0.9593    0.5472    0.1386    0.1493

class(r)

输出结果如下：

ans =

single

根据现有数组克隆大小

创建一个由正态分布的随机数组成并且大小与现有数组相同的矩阵。

A = [3 2; -2 1];
sz = size(A);
X = rand(sz)

输出结果如下：

X =

    0.2575    0.2543
    0.8407    0.8143

这里，我们也可以换一种简便写法，一种将前两行代码合并成一行的常见模式：

X = rand(size(A));

根据现有数组克隆大小和数据类型

创建一个由单精度随机数组成的 2×2 矩阵。

p = single([3 2; -2 1]);

创建一个与 p 具有相同大小和数据类型的由随机数组成的数组。

X = rand(size(p),'like',p)

输出如下结果：

X =

    0.2435    0.3500
    0.9293    0.1966

class(X)

输出如下结果：

ans =

single

克隆分布式数组

如果您拥有 Parallel Computing Toolbox™，请创建一个由 single 基础数据类型的随机数组成的 1000×1000 分布式数组。对于 distributed 数据类型，’like’ 语法除了克隆主数据类型，还克隆基础数据类型。

p = rand(1000,'single','distributed');

工作区输出如下结果：

Starting parallel pool (parpool) using the 'local' profile ... connected to 4 workers.

创建一个与 p 具有相同大小、主数据类型和基础数据类型的由随机数组成的数组。

X = rand(size(p),'like',p);

class(X)

输出如下结果：

ans =

distributed

underlyingType(X)

ans =

    'single'

上面得underlyingType函数在我这里无法运行，因为我没装Parallel Computing Toolbox™。