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。

不可能在Math中植入种子。随机函数，但是用Javascript实现一个高质量的RNG是可能的，只需很少的代码。

Javascript数字是64位浮点精度，可以表示小于2^53的所有正整数。这给我们的算法带来了一个硬限制，但在这些限制内，您仍然可以为高质量的Lehmer / LCG随机数生成器选择参数。

function RNG(seed) {
    var m = 2**35 - 31
    var a = 185852
    var s = seed % m
    return function () {
        return (s = s * a % m) / m
    }
}

Math.random = RNG(Date.now())

如果你想要更高质量的随机数，代价是速度慢10倍，你可以使用BigInt进行算术，并选择m刚好适合双精度的参数。

function RNG(seed) {
    var m_as_number = 2**53 - 111
    var m = 2n**53n - 111n
    var a = 5667072534355537n
    var s = BigInt(seed) % m
    return function () {
        return Number(s = s * a % m) / m_as_number
    }
}

参见Pierre l’ecuyer的这篇论文，了解上述实现中使用的参数: https://www.ams.org/journals/mcom/1999-68-225/S0025-5718-99-00996-5/S0025-5718-99-00996-5.pdf

无论你做什么，避免使用Math.sin的所有其他答案!

这里有很多很好的答案，但我有一个类似的问题，即我希望Java的随机数生成器和我最终在JavaScript中使用的任何东西之间的可移植性。

我找到了java-random包

假设种子相同，这两段代码有相同的输出:

Java:

Random randomGenerator = new Random(seed);
int randomInt;
for (int i=0; i<10; i++) {
    randomInt = randomGenerator.nextInt(50);
    System.out.println(randomInt);
}

JavaScript:

let Random = require('java-random');
let rng = new Random(seed);
for (let i=0; i<10; i++) {
    let val = rng.nextInt(50);
    console.log(val);
}

SIN(id + seed)是一个非常有趣的替代RANDOM函数，不能像SQLite一样播种:

https://stackoverflow.com/a/75089040/7776828

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。

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