C言語 乱数：指定範囲生成の決定版！実装例と注意点まとめ

By /

C言語 乱数：指定範囲生成の決定版！実装例と注意点まとめ

C言語における乱数生成は、ゲーム開発、シミュレーション、統計処理、暗号技術など、幅広い分野で不可欠な技術です。特に、特定の範囲内の乱数を生成する機能は、多くのアプリケーションで必要とされます。しかし、C言語の標準ライブラリのrand()関数は、0からRAND_MAXまでの範囲の整数を生成するため、指定範囲の乱数を生成するには工夫が必要です。

本記事では、C言語で指定範囲の乱数を安全かつ効率的に生成するための様々な方法を、詳細な実装例と注意点とともに解説します。初心者から中級者まで、乱数生成に関する知識を深め、より質の高いプログラムを作成できるようになることを目指します。

1. C言語における乱数生成の基礎

C言語で乱数を生成するには、標準ライブラリ<stdlib.h>に含まれるrand()関数とsrand()関数を使用します。

  • rand()関数: 疑似乱数を生成し、0からRAND_MAXまでの整数値を返します。RAND_MAXは、<stdlib.h>で定義されている定数で、システムによって異なりますが、通常は32767以上です。

  • srand()関数: 乱数生成器のシード値を設定します。シード値を設定しない場合、プログラムを実行するたびに同じ乱数列が生成されます。異なる乱数列を生成するためには、srand()関数に異なるシード値を設定する必要があります。

1.1 疑似乱数とは？

C言語のrand()関数は、真の乱数を生成するのではなく、あるアルゴリズムに基づいて生成される疑似乱数を生成します。疑似乱数は、初期値（シード値）に基づいて決定論的に生成されるため、完全にランダムではありませんが、適切なアルゴリズムとシード値を使用することで、実用上十分なランダム性を持つ乱数列を得ることができます。

1.2 srand()関数によるシード値の設定

srand()関数にシード値を設定することで、異なる乱数列を生成できます。通常、現在時刻をシード値として使用することで、毎回異なる乱数列を生成することが一般的です。

“`c

include

include

include

int main() {
// 現在時刻をシード値として設定
srand(time(NULL));

// 乱数を5回生成して表示
for (int i = 0; i < 5; i++) {
printf(“%d\n”, rand());
}

return 0;
}
“`

この例では、time(NULL)関数を使って現在時刻を取得し、srand()関数に渡すことで、プログラムを実行するたびに異なる乱数列を生成します。

1.3 シード値の設定における注意点

  • プログラム開始時に一度だけ設定: srand()関数は、プログラムの開始時に一度だけ呼び出すようにしてください。ループの中で何度も呼び出すと、短い期間で同じシード値が設定される可能性があり、結果として同じ乱数列が生成されることがあります。
  • シード値の予測可能性: シード値が予測可能な場合、生成される乱数列も予測可能になります。セキュリティが重要なアプリケーションでは、予測不可能なシード値を使用する必要があります。

2. 指定範囲の乱数を生成する方法

rand()関数は0からRAND_MAXまでの乱数を生成するため、指定範囲の乱数を生成するには、いくつかの方法があります。以下に代表的な方法を説明します。

2.1 剰余演算子 (%) を使用する方法

最も単純な方法は、剰余演算子 % を使用して、rand()関数の結果を指定範囲の大きさに剰余することです。

“`c

include

include

include

int main() {
// 現在時刻をシード値として設定
srand(time(NULL));

// 1から10までの乱数を生成
int min = 1;
int max = 10;
int range = max – min + 1;
int random_number = rand() % range + min;

printf(“ランダムな数: %d\n”, random_number);

return 0;
}
“`

この例では、minとmaxで指定範囲を設定し、rangeで範囲の大きさを計算しています。rand() % rangeは、0からrange - 1までの乱数を生成し、それにminを加えることで、minからmaxまでの乱数を生成します。

2.1.1 剰余演算子の問題点

剰余演算子を使用する方法は簡単ですが、いくつかの問題点があります。

  • 乱数の偏り: RAND_MAXがrangeの倍数でない場合、生成される乱数に偏りが生じる可能性があります。例えば、RAND_MAXが32767で、rangeが10の場合、0から7までの乱数が出現する確率は、8と9が出現する確率よりもわずかに高くなります。
  • RAND_MAXの小ささ: RAND_MAXの値が小さい場合、特に広い範囲の乱数を生成する際に、乱数の精度が低下する可能性があります。

2.2 スケーリングとシフトを使用する方法

より正確な乱数を生成するために、スケーリングとシフトを使用する方法があります。

“`c

include

include

include

int main() {
// 現在時刻をシード値として設定
srand(time(NULL));

// 1から10までの乱数を生成
int min = 1;
int max = 10;
double scale = (double)rand() / RAND_MAX; // 0.0から1.0までの値
int random_number = min + (int)(scale * (max – min + 1));

printf(“ランダムな数: %d\n”, random_number);

return 0;
}
“`

この例では、rand()関数の結果をRAND_MAXで割ることで、0.0から1.0までの浮動小数点数を生成し、それを指定範囲の大きさにスケールし、minを加えることで、minからmaxまでの乱数を生成します。

2.2.1 スケーリングとシフトの利点

  • 偏りの軽減: 剰余演算子を使用する方法よりも、乱数の偏りを軽減できます。
  • より広い範囲の乱数に対応: RAND_MAXの値が小さい場合でも、より広い範囲の乱数を生成できます。

2.2.2 スケーリングとシフトの注意点

  • 浮動小数点演算: 浮動小数点演算を使用するため、わずかに処理時間がかかる場合があります。
  • 型の変換: 浮動小数点数を整数に変換する際に、意図しない結果が生じる可能性があるため、注意が必要です。

2.3 より高度な乱数生成器の使用 (メルセンヌ・ツイスタなど)

rand()関数は、単純な乱数生成アルゴリズムを使用しているため、より高度な乱数生成アルゴリズムを使用することで、より質の高い乱数を生成できます。代表的なアルゴリズムとして、メルセンヌ・ツイスタがあります。

メルセンヌ・ツイスタは、非常に長い周期を持ち、統計的な性質も優れているため、多くのアプリケーションで使用されています。

“`c

include

include

include

// メルセンヌ・ツイスタの実装例 (簡略化版)

define N 624

define M 397

define MATRIX_A 0x9908b0dfUL / constant vector a /

define UPPER_MASK 0x80000000UL / most significant w-r bits /

define LOWER_MASK 0x7fffffffUL / least significant w-r bits /

static unsigned long mt[N]; / the array for the state vector /
static int mti=N+1; / mti==N+1 means mt[N] is not initialized /

/ initializes mt[N] with a seed /
void init_genrand(unsigned long seed)
{
mt[0]= seed & 0xffffffffUL;
for (mti=1; mti> 30)) + mti);
/ See Knuth TAOCP Vol2, 3rd Ed, p.106 for multiplier. /
/ In the previous versions, MSBs of the seed affect /
/ only MSBs of the array mt[]. /
/ 2002/01/09 modified by Makoto Matsumoto /
mt[mti] &= 0xffffffffUL;
/ for >32 bit machines /
}
}

/ generates a random number on [0,0xffffffff]-interval /
unsigned long genrand_int32(void)
{
unsigned long y;
static unsigned long mag01[2]={0x0UL, MATRIX_A};
/ mag01[x] = x * MATRIX_A for x=0,1 /

if (mti >= N) { /* generate N words at one time */
    int kk;

    if (mti == N+1)   /* if init_genrand() has not been called, */
        init_genrand(5489UL); /* a default initial seed is used   */

    for (kk=0;kk<N-M;kk++) {
        y = (mt[kk]&UPPER_MASK) | (mt[kk+1]&LOWER_MASK);
        mt[kk] = mt[kk+M] ^ (y >> 1) ^ mag01[y & 0x1UL];
    }
    for (;kk<N-1;kk++) {
        y = (mt[kk]&UPPER_MASK) | (mt[kk+1]&LOWER_MASK);
        mt[kk] = mt[kk+(M-N)] ^ (y >> 1) ^ mag01[y & 0x1UL];
    }
    y = (mt[N-1]&UPPER_MASK) | (mt[0]&LOWER_MASK);
    mt[N-1] = mt[M-1] ^ (y >> 1) ^ mag01[y & 0x1UL];

    mti = 0;
}

y = mt[mti++];

/* Tempering */
y ^= (y >> 11);
y ^= (y << 7) & 0x9d2c5680UL;
y ^= (y << 15) & 0xefc60000UL;
y ^= (y >> 18);

return y;

}

// 指定範囲の乱数を生成する関数
int rand_range(int min, int max) {
double scale = (double)genrand_int32() / 4294967295.0; // 0.0から1.0までの値
return min + (int)(scale * (max – min + 1));
}

int main() {
// 現在時刻をシード値として設定
init_genrand(time(NULL));

// 1から10までの乱数を生成
int min = 1;
int max = 10;
int random_number = rand_range(min, max);

printf(“ランダムな数: %d\n”, random_number);

return 0;
}
“`

この例では、メルセンヌ・ツイスタの簡略化された実装を使用しています。init_genrand()関数でシード値を設定し、genrand_int32()関数で乱数を生成し、rand_range()関数で指定範囲の乱数を生成しています。

2.3.1 メルセンヌ・ツイスタの利点

  • 高い品質: rand()関数よりも、より質の高い乱数を生成できます。
  • 長い周期: 非常に長い周期を持つため、大規模なシミュレーションなどでも安心して使用できます。
  • 統計的な性質: 統計的な性質が優れているため、様々なアプリケーションに適しています。

2.3.2 メルセンヌ・ツイスタの注意点

  • 複雑さ: rand()関数よりも、実装が複雑です。
  • 処理時間: rand()関数よりも、処理時間がかかる場合があります。

3. その他の乱数生成関数とライブラリ

C言語には、標準ライブラリ以外にも、様々な乱数生成関数やライブラリが存在します。

  • drand48()関数: POSIX標準で定義されている乱数生成関数で、浮動小数点数の乱数を生成します。
  • random()関数: POSIX標準で定義されている乱数生成関数で、より質の高い乱数を生成できます。
  • GSL (GNU Scientific Library): 科学技術計算のためのライブラリで、様々な乱数生成アルゴリズムが実装されています。
  • Boost.Random: C++のライブラリですが、C言語からも利用できます。様々な乱数生成アルゴリズムが実装されています。

これらの関数やライブラリを使用することで、より高度な乱数生成を行うことができます。

4. 乱数生成における注意点

乱数生成を使用する際には、いくつかの注意点があります。

  • セキュリティ: 暗号技術など、セキュリティが重要なアプリケーションでは、暗号学的に安全な乱数生成器を使用する必要があります。rand()関数やメルセンヌ・ツイスタは、セキュリティ用途には適していません。
  • 再現性: シミュレーションなど、再現性が必要なアプリケーションでは、シード値を固定する必要があります。
  • 初期化: 乱数生成器を使用する前に、必ずシード値を設定する必要があります。
  • 偏り: 乱数の偏りを最小限に抑えるために、適切な乱数生成アルゴリズムを選択する必要があります。
  • 周期: 乱数生成器の周期を超える乱数を生成すると、同じ乱数列が繰り返されるため、注意が必要です。

5. まとめ

本記事では、C言語で指定範囲の乱数を生成するための様々な方法を、詳細な実装例と注意点とともに解説しました。

  • rand()関数とsrand()関数を使用した乱数生成の基礎
  • 剰余演算子 (%) を使用する方法
  • スケーリングとシフトを使用する方法
  • より高度な乱数生成器の使用 (メルセンヌ・ツイスタなど)
  • その他の乱数生成関数とライブラリ
  • 乱数生成における注意点

これらの知識を習得することで、より質の高い乱数を生成し、様々なアプリケーションで活用できるようになるでしょう。

6. 付録：C++の乱数生成機能

C++11以降では、<random>ヘッダに、より強力で使いやすい乱数生成機能が追加されました。C++を使用できる環境であれば、<random>ヘッダを使用することをおすすめします。

<random>ヘッダには、様々な乱数生成エンジン (例: mt19937 (メルセンヌ・ツイスタの実装), ranlux48, minstd_rand) と、乱数分布 (例: uniform_int_distribution, uniform_real_distribution, normal_distribution) が用意されています。

“`cpp

include

include

include

int main() {
// メルセンヌ・ツイスタエンジンを使用
std::mt19937 engine(std::time(0)); // シード値は現在時刻

// 一様分布で1から10までの乱数を生成
std::uniform_int_distribution<> dist(1, 10);

// 乱数を5回生成して表示
for (int i = 0; i < 5; i++) {
std::cout << dist(engine) << std::endl;
}

return 0;
}
“`

この例では、std::mt19937エンジンを使用して乱数を生成し、std::uniform_int_distributionを使用して1から10までの範囲の乱数を生成しています。dist(engine)で乱数を生成し、表示しています。

C++の<random>ヘッダを使用することで、より柔軟で強力な乱数生成を行うことができます。

7. 今後の学習

乱数生成に関する知識をさらに深めるためには、以下のトピックを学習することをおすすめします。

  • 様々な乱数生成アルゴリズム: メルセンヌ・ツイスタ以外にも、様々な乱数生成アルゴリズムが存在します。それぞれのアルゴリズムの特性を理解することで、より適切なアルゴリズムを選択できるようになります。
  • 乱数検定: 生成された乱数列の品質を評価するための様々な検定方法があります。
  • モンテカルロ法: 乱数を利用した数値計算手法であるモンテカルロ法について学習することで、乱数生成の応用範囲を広げることができます。

これらの学習を通じて、乱数生成に関する知識を深め、より高度なプログラミングスキルを習得してください。

コメントする

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

上部へスクロール