这是Jenkins哈希的采用版本，从这里借来的

export function createDeterministicRandom(): () => number {
  let seed = 0x2F6E2B1;
  return function() {
    // Robert Jenkins’ 32 bit integer hash function
    seed = ((seed + 0x7ED55D16) + (seed << 12))  & 0xFFFFFFFF;
    seed = ((seed ^ 0xC761C23C) ^ (seed >>> 19)) & 0xFFFFFFFF;
    seed = ((seed + 0x165667B1) + (seed << 5))   & 0xFFFFFFFF;
    seed = ((seed + 0xD3A2646C) ^ (seed << 9))   & 0xFFFFFFFF;
    seed = ((seed + 0xFD7046C5) + (seed << 3))   & 0xFFFFFFFF;
    seed = ((seed ^ 0xB55A4F09) ^ (seed >>> 16)) & 0xFFFFFFFF;
    return (seed & 0xFFFFFFF) / 0x10000000;
  };
}

你可以这样使用它:

const deterministicRandom = createDeterministicRandom()
deterministicRandom()
// => 0.9872818551957607

deterministicRandom()
// => 0.34880331158638

编写自己的伪随机生成器非常简单。

戴夫·斯科塞斯的建议是有用的，但正如其他人指出的那样，它并不是完全均匀分布的。

然而，这并不是因为sin的整数参数。这只是因为sin的范围，恰好是一个圆的一维投影。如果取圆的角度，它就会是均匀的。

所以用arg(exp(i * x)) / (2 * PI)代替sin(x)

如果你不喜欢线性顺序，可以把它和异或混合一下。实际因素也没有那么重要。

要生成n个伪随机数，可以使用以下代码:

function psora(k, n) {
  var r = Math.PI * (k ^ n)
  return r - Math.floor(r)
}
n = 42; for(k = 0; k < n; k++) console.log(psora(k, n))

还请注意，当需要真实熵时，不能使用伪随机序列。

请看Pierre L'Ecuyer在20世纪80年代末和90年代初的作品。还有其他的。如果你不是专家，自己创建一个(伪)随机数生成器是相当危险的，因为结果很可能不是统计随机的，或者有一个很小的周期。Pierre(和其他人)组合了一些很容易实现的(伪)随机数生成器。我用的是他的LFSR发电机。

https://www.iro.umontreal.ca/~lecuyer/myftp/papers/handstat.pdf

结合之前的一些答案，这是你正在寻找的可种子随机函数:

Math.seed = function(s) {
    var mask = 0xffffffff;
    var m_w  = (123456789 + s) & mask;
    var m_z  = (987654321 - s) & mask;

    return function() {
      m_z = (36969 * (m_z & 65535) + (m_z >>> 16)) & mask;
      m_w = (18000 * (m_w & 65535) + (m_w >>> 16)) & mask;

      var result = ((m_z << 16) + (m_w & 65535)) >>> 0;
      result /= 4294967296;
      return result;
    }
}

var myRandomFunction = Math.seed(1234);
var randomNumber = myRandomFunction();

不，不可能为Math.random()提供种子，但是编写自己的生成器相当容易，或者更好的是使用现有的生成器。

请看:这个相关的问题。

另外，请参阅David Bau的博客了解更多关于播种的信息。

数学。不是随机的，但是ran库解决了这个问题。它几乎拥有你能想象到的所有分布，并支持种子随机数生成。例子:

ran.core.seed(0)
myDist = new ran.Dist.Uniform(0, 1)
samples = myDist.sample(1000)