如何跟踪 Lua 中的随机数种子

如果添加种子，所有 math.random() 生成的数字都是伪随机的（这总是如此，因为系统会自动生成种子）。

math.randomseed(4)
print(math.random())
print(math.random())
math.randomseed(4)
print(math.random())

结果如下：

0.50827539156303
0.75454387490399
0.50827539156303

因此，如果您将种子重置为相同的值，则可以预测将出现的所有值，直到已使用该种子生成的最大连续值。

种子不执行的操作是使 math.random() 的输出保持不变。如果您将它重复设置为相同的值，则它将是相同的。

一个类比作为示例

假设随机数是 0 到 9 之间的整数（而不是 0 到 1 之间的双精度数）。 math.random() 可以从任意起始位置遍历 $\pi$ 的小数部分（默认可能是系统时间）。

使用 set.seed() 时所做的是（不是字面意思，如前所述）设置要检索数字的 $\pi$ 小数部分的起始位置。

如果您现在将种子重置为相同的起始位置，则数字将与您上次重置起始位置时相同。

您将知道最后一次调用的数字，之后您就不能再确定了。

这不是关于 Lua 的问题，而是有关一些随机数生成算法的一般性问题。

首先，Lua 没有自己的随机数生成器（RNG）- 它们只输出来自底层 C 库的 RNG（略带改变的）值。大多数 RNG 实现不会向您透露它们的内部状态，但有时您可以自己计算出来。

例如，当您在 Windows 上使用 Lua 时，您将使用来自 MS C 库的基于 LCG 的 RNG。您得到的数字是种子的一部分，而不是完整的值。有两种方法可以处理：

1. 如果您知道调用 random 的次数，您可以取初始种子值，将其提供给使用与 MS 库中硬编码的相同常量的相同算法的副本，然后获取种子的准确值。
2. 如果您不知道调用两次 random 之间是否有其他干扰，您可以获取两个生成的数字，并通过将位移回其位置反转 LCG 算法。这将使您遗留下几个缺失的位（还有一个由于 Lua 操纵而多出来的位），您需要简单地进行暴力破解 - 重复所有缺失位，直到您的算法的副本产生之前记录的完全相同的两个“随机”数。这将是存储在库的 RNG 中的当前种子。在稍微过时的 PC 上，在 Lua 中编写良好的解决方案可以在大约 0.2-0.5s 内进行暴力破解，我过去曾这样做过。这是 Crypto.SE 上关于这个任务的更详细的示例：Predicting values from a Linear Congruential Generator。

第一种方法可用于任何不使用任何真正熵源的其他 RNG 算法，第二种方法可用于大多数不掩盖太多切片位以使暴力破解不合理的 RNG。

真正的答案是：您根本不需要跟踪种子。您想要的可能是其他东西。