Metode linear kongruen

Metode linear kongruen (Inggris: linear congruent method, dapat disingkat dengan LCM) merupakan algoritma yang menghasilkan barisan bilangan acak semu lewat persamaan linear bagian-demi-bagian. Metode ini juga dikenal dengan metode kongruen linear, pembangkit kongruensial linear dan generator kongruensial linear (Inggris: linear congruential generator, LCG). Metode ini termasuk algoritma yang tertua dan terkenal untuk membangkitkan bilangan acak semu.[1] Konsep metode ini relatif mudah dipahami, mudah diimplementasikan, dan memiliki waktu eksekusi yang cepat, khususnya untuk perangkat keras komputer yang mendukung aritmetika modular dengan pemotongan pada bit-bit penyimpanan. LCM memanfaatkan relasi rekursif linear:

dengan sebagai barisan bilangan acak semu, dan konstanta bilangan bulat

positif sebagai "modulus"
dengan sebagai "pengali"
dengan sebagai "penambah"; dan
dengan sebagai "benih", "nilai awal", atau "kondisi awal"

sebagai parameter khas untuk LCM. Jika , metode ini umum disebut degan metode kongruensial multiplikatif (Inggris: multiplicative congruential generator, MCG) atau pembangkit Lehmer. Jika , metode ini disebut metode kongruensial campuran.[2] Ketika , relasi rekursif LCM sebenarnya adalah sebuah transformasi affine, bukan transformasi linear. Namun penggunaan istilah linear yang salah sudah sangat umum pada bidang ilmu komputer.[3]

Demonstrasi

sunting

Terdapat 50 soal pada sebuah sistem database ujian. Untuk setiap ujian,   soal akan dipilih secara acak dari database. Untuk mengusahakan tidak terjadi repetisi soal-soal yang telah dikerjakan, sistem memilih soal "baru" dengan menggunakan LCM; dengan konstanta  ,  ,  , dan  . Berikut adalah lima bilangan acak (semu) pertama yang dihasilkan oleh LCM tersebut

  •  
  •  
  •  
  •  
  •  

Lebih lanjut, barisan 20 bilangan acak pertama yang dibangkitkan adalah: 18, 5, 12, 39, 36, 3, 40, 47, 24, 21, 38, 25, 32, 9, 6, 23, 10, 17, 44, 42.

Pemilihan nilai konstanta pada  ,  , dan   pada LCM ini sesuai untuk menghindari perulangan soal pada saat melakukan ujian. Saat melakukan ujian pertama kali, nilai   dan peserta akan mendapatkan soal bernomor {18, 5, 12, 39, 36}. Namun ujian yang kedua memiliki nilai awal   dan peserta akan mendapatkan soal bernomor {3, 40, 47, 24, 21}.

Sejarah

sunting

Metode pembangkit Lehmer dipublikasikan pada tahun 1951,[4] dan the Metode linear kongruen dipublikasikan pada tahun 1958 oleh W. E. Thomson and A. Rotenberg.[5][6]

Panjang periode

sunting
 
Dua LCM modulo 9 menunjukkan bagaimana parameter yang berbeda dapat menghasilkan periode yang berbeda. Setiap baris menunjukkan keadaan LCM sampai keluarannya berulang. Baris pertama menunjukkan LCM dengan m = 9, a = 2, c = 0, dan benih bernilai 1, yang menghasilkan periode sebesar 6. Baris kedua berisi LCM yang sama, namun dengan benih bernilai 3, yang menghasilkan periode 2. Menggunakan a = 4 dan c = 1 pada baris ketiga menghasilkan periode 9, untuk setiap benih di [0, 8].

Ciri dari LCM adalah akan terjadi pengulangan hasil setelah sekian kali pembangkitan. Dengan pemilihan parameter yang baik, periode pengulangan dapat diketahui dan dipilih agar lebih lama. Walaupun bukan satu-satunya kriteria, periode yang sangat singkat adalah kesalahan fatal bagi pembangkit bilangan acak semu.[7][8]

Walaupun LCM dapat menghasilkan bilangan acak semu yang lulus uji keacakan, kualitas bilangan yang dihasilkan sangat sensitif terhadap pemilihan parameter   dan  .[3][7][9][10][11][12] Sebagai contoh,   dan   menghasilkan bilangan modulo-m yang terurut, yang walau memiliki periode yang panjang, jelas tidak acak. Secara historis, pemilihan konstanta   yang buruk berujung pada implementasi LCM yang buruk. Contoh khusus kasus ini adalah RANDU, yang digunakan secara luas pada awal 1970-an dan berujung pada banyak hasil yang tidak kredibel.[13]

Terdapat tiga keluarga parameter yang umum digunakan:

m bilangan prima, c = 0

sunting

Ini adalah konstruksi dasar dari pembangkit bilangan acak Lehmer. Periode LCM adalah   jika pengali   dipilih sebagai elemen primitif dari modulo  . Kondisi awal perlu dipilih antara   dan  .

Kelemahan dari menggunakan modulus bilangan prima adalah operasi modulo memerlukan double-width productdan langkah operasi modulo yang eksplisit. Umumnya prima yang dekat dengan perpangkatan angka 2 ( prima Mersenne yang berbentuk 231−1 dan 261−1 populer), sehingga operasi modulo   dapat dihitung sebagai

 

Hal ini perlu diikuti oleh pengurangan nilai   jika hasilnya terlalu besar, namun banyaknya pengurangan terbatas oleh  , yang dapat dibatasi dengan mudah menjadi 1 jika nilai   kecil.

Jika double-width product tidak tersedia, namun pengali dipilih secara seksama, metode Schrage[14] dapat digunakan. Untuk melakukannya:

  • Faktorkan  , misal dengan   dan  .
  • Hitung nilai  
  • Karena  , suku pertama tegas lebih kecil dari  . Jika   dipilih sehingga   (sehingga  ), maka suku kedua juga akan lebih kecil dari   karena  .

Dengan cara ini, untuk menghitung kedua suku cukup digunakan single-width product, dan selisih antara keduanya terletak di  , sehingga dapat disederhanakan menjadi   dengan satu kondisi penjumlahan.[15]

Kekurangan kedua dari metode ini adalah cukup canggung untuk mengonversi nilai   ke distribusi bit acak yang uniform. Jika sebuah prima yang dekat dengan perpangkatan 2 digunakan, bilangan acak (yang tidak pernah muncul) dapat diabaikan.

m perpangkatan 2, c = 0

sunting

Memilih   sebagai perpangkatan dari 2, umumnya   atau  , menghasilkan LCM yang efisien karena hal ini memungkinan operasi modulo dihitung dengan memotong representasi biner bilangan. Faktanya, bit paling signifikan umumnya tidak dihitung sama sekali. Namun, parameter ini memiliki kekurangan.

Bentuk ini memiliki periode maksimum  , diperoleh ketika   atau  . Kondisi awal   perlu bilangan ganjil, dan nilai tiga bit terkecil dari   berseling antara dua nilai sehingga tidak berguna. Dapat ditunjukkan bahwa bentuk ini setara dengan pembangkit dengan modulus   dan  .[12]

Isu yang lebih serius karena menggunakan modulus perpangkatan 2 adalah bit-bit rendah memiliki periode yang lebih kecil dibandingkan bit-bit tinggi. Bit terendah dari   tidak pernah berubah (karena selalu bilangan ganjil), dan dua bit selanjutnya berseling antara dua nilai (jika  , nilai bit 1 tidak pernah berubah dan nilai bit 2 berseling, sedangakan jika   nilai bit 1 berseling dan nilai bit 2 selalu tetap).

c ≠ 0

sunting

Ketika  , pemilihan parameter yang baik memungkinkan periode dapat sepanjang  , untuk semua kondisi awal. Hal ini terjadi, jika dan hanya jika:[12]

  1.   dan   koprima ,
  2.   dapat dibagi semua faktor prima dari  ,
  3.   dapat dibagi 4 jika   dapat dibagi 4.

Tiga syarat ini dikenal sebagai Teorema Hull–Dobell.[16][17]

Bentuk ini dapat digunakan untuk sebarang  , namun hanya bekerja dengan baik untuk   yang memiliki banyak faktor prima yang berulang, seperti perpangkatan angka 2. Jika   bilangan bebas-kuadrat, hal ini mengakibatkan  , menjadikannya pembangkit bilangan acak yang sangat buruk. Pengali dengan periode maksimum hanya tersedia ketika   memiliki faktor prima yang berulang.

Walau teorema Hull–Dobell memberikan periode yang maksimum, hal tersebut belum cukup untuk membuktikan pembangkit yang baik. Sebagai contoh,   yang lebih sulit dibagi oleh faktor-faktor prima   lebih disukai. Karena itu, jika   adalah perpangkatan angka 2, maka   perlu dapat dibagi 4 namun tidak dapat dibagi 8, misal  .[12]

Tentu, kebanyakan pengali menghasilkan barisan yang gagal untuk suatu uji keacakan, dan memilih pengali yang memenuhi semua kriteria uji cukup sulit. Uji spektral adalah salah satu uji keacakan terpenting.

Perhatikan bahwa modulus berupa perpangkatan angka 2 memiliki permasalahan yang sama dengan kasus  :   bit terendah menghasilkan pembangkit dengan modulus   dan karenanya memiliki periode  ; hanya bit paling signifikan yang memiliki periode penuh. Jika sebuah bilangan acak semu kurang dari   yang diperlukan, menghitung   memberikan hasil yang lebih baik ketimbang  . Sayangnya pada kebanyakan bahasa pemrograman, bentuk terakhir lebih banyak digunakan karena lebih mudah ditulis

Pembangkit LCM sendiri tidak sensitif terhadap pemilihan  , selama nilainya koprima terhadap modulus (misal, jika   merupakan perpangkatan angka 2, maka   perlu bernilai ganjil), sehingga nilai   umum dipilih.

Barisan yang dihasilkan dari pemilihan   yang lain dapat ditulis sebagai fungsi sederhana dari barisan ketika  .[12] Secara spesifik, jika   adalah barisan yang didefinisikan dengan   dan  , maka barisan   dapat ditulis sebagai fungsi affine dari  :

 

Secara umum, dua barisan   dan   yang memiliki pengali dan modulus yang sama memiliki hubungan:

 

Parameter yang umum digunakan

sunting

Tabel berikut berisi daftar parameter LCM yang umum digunakan, termasuk fungsi rand() yang umum dimiliki oleh banyak kompilator. Tabel ini hanya menunjukkan parameter yang populer, bukan sebagai parameter implementasi yang baik. Tabel dengan parameter yang bagus tersedia.[3][18]

Sumber modulus

 

pengali

    

penambah

 

bit keluaran pada rand() atau Random(L)
Numerical Recipes 2³² 1664525 1013904223
Borland C/C++ 2³² 22695477 1 bit 30..16 pada rand(), 30..0 in lrand()
glibc (digunakan oleh GCC)[19] 2³¹ 1103515245 12345 bit 30..0
ANSI C: Watcom, Digital Mars, CodeWarrior, IBM VisualAge C/C++ [20]C90, C99, C11: Saran dalam ISO/IEC 9899,[21] C18 2³¹ 1103515245 12345 bit 30..16
Borland Delphi, Virtual Pascal 2³² 134775813 1 bit 63..32 dari seed × L
Turbo Pascal 2³² 134775813 (8088405₁₆) 1
Microsoft Visual/Quick C/C++ 2³² 214013 (343FD₁₆) 2531011 (269EC3₁₆) bit 30..16
Microsoft Visual Basic (versi 6 dan sebelumnya)[22] 224 1140671485 (43FD43FD₁₆) 12820163 (C39EC3₁₆)
RtlUniform dari Native API[23] 2³¹ − 1 2147483629 (7FFFFFED₁₆) 2147483587 (7FFFFFC3₁₆)
Apple CarbonLib, minstd_rand0 milik C++11[24] 2³¹ − 1 16807 0 lihat MINSTD
C++11's minstd_rand[24] 2³¹ − 1 48271 0 lihat MINSTD
MMIX oleh Donald Knuth 2⁶⁴ 6364136223846793005 1442695040888963407
Newlib, Musl 2⁶⁴ 6364136223846793005 1 bit 63..32
VMS's MTH$RANDOM,[25] versi lawas dari glibc 2³² 69069 (10DCD₁₆) 1
Java's java.util.Random, POSIX [ln]rand48, glibc [ln]rand48[_r] 2⁴⁸ 25214903917 (5DEECE66D₁₆) 11 bit 47..16
random0[26][27][28][29][30] 134456 = 2³7⁵ 8121 28411  
POSIX[31] [jm]rand48, glibc [mj]rand48[_r] 2⁴⁸ 25214903917 (5DEECE66D₁₆) 11 bit 47..15
POSIX [de]rand48, glibc [de]rand48[_r] 2⁴⁸ 25214903917 (5DEECE66D₁₆) 11 bit 47..0
cc65[32] 2²³ 65793 (10101₁₆) 4282663 (415927₁₆) bit 22..8
cc65 2³² 16843009 (1010101₁₆) 826366247 (31415927₁₆) bit 31..16
Pernah umum digunakan: RANDU [13] 2³¹ 65539 0

Seperti terlihat di atas, LCM tidak selalu menggunakan semua bit bilangan yang dihasilkan. Sebagai contoh, implementasi Java beroperasi dengan 48-bit pada setiap iterasi, namun hanya menghasilkan nilai dari 32 bit pertama. Hal ini disebabkan karena bit dengan order yang lebih tinggi memiliki periode yang lebih lama dibandingkan dengan bit dengan order rendah. LCM yang menggunakan teknik pemotongan bit ini menghasilkan nilai yang secara statistik lebih baik jika dibandingkan dengan yang tidak. Hal ini terlihat pada implementasi kode yang menggunakan operasi modulo untuk memperkecil jangkauan hasil; tanpa pemotongan, modulo 2 dari bilangan acak yang dihasilkan akan menghasilkan hasil 0 dan 1 yang periodik.

Kelebihan dan kekurangan

sunting
 
Hyperplane dari LCM pada ruang dimensi tiga. Struktur geometris yang dibentuk LCM adalah hal yang diukur oleh uji spektral.

Metode LCM cepat dan hanya memerlukan memori yang kecil (satu bilangan modulo-m, umumnya 32 atau 64 bit) untuk penyimpanan sementara bilangan yang dihasilkan. Hal ini yang membuat LCM berguna untuk menyimulasikan beberapa keadaan independen. LCM tidak ditujukan, dan jangan digunakan, untuk aplikasi dalam bidang kriptografi; pembangkit bilangan acak semu (Inggris: pseudo random number generator, PRNG) yang aman secara kriptografi diperlukan untuk hal tersebut.

Walau LCM memiliki beberapa kelemahan spesifik, kebanyakan kelemahannya diakibatkan dari pemilihan parameter yang terlalu kecil. LCM dengan parameter yang cukup besar dapat lulus dari tes statistik yang ketat; LCM modulo-2 yang menghasilkan 32 bit bilangan lulus SmallCrush oleh TestU01,[butuh rujukan] dan LCM 96-bit lulus dari tes BigCrush yang jauh lebih sulit.[33]

Untuk contoh yang spesifik, pembangkit bilangan acak semu (PNRG) dengan keluaran 32 bit, memiliki ekspektasi (lewat teorema Birthday) mulai mengulangi keluaran yang pernah dihasilkan setelah melakukan   keluaran. Setiap PNRG dengan keluaran tanpa pemotongan bit, tidak akan berulang sampai periode maksimumnya tercapai; sebuah cacat statistik yang mudah dideteksi. Dengan alasan serupa, PNRG perlu memiliki periode yang lebih panjang daripada akar dari banyak keluaran yang diinginkan. Mempertimbangkan kecepatan komputer modern, periode sebesar   dibutuhkan untuk aplikasi kurang penting (secara kriptografi), dan periode yang lebih besar untuk aplikasi yang penting.

Satu kecacatan spesifik LCM adalah, jika digunakan untuk memilih titik pada ruang dimensi  , titik tersebut akan terletak (maksimal) pada   hyperplane, berdasarkan teorema Marsaglia (yang dikembangkan oleh George Marsaglia).[34] Hal ini disebabkan oleh serial correlation antar nilai yang berurutan pada barisan  . Pengali yang dipilih dengan lalai umumnya menghasilkan sedikit bidang, dengan jarak antar bidang yang besar, yang dapat menyebabkan masalah. Uji spektral, yang merupakan tes kualitas LCM yang sederhana, mengukur jarak antar bidang dan memungkinkan untuk memilih nilai pengali yang baik.

Jarak antar bidang bergantung pada modulus dan pengali LCM. Modulus yang cukup besar dapat memperkecil jarak ini sehingga kurang dari bilangan double precision. Pemilihan pengali menjadi kurang penting ketika modulus yang dipakai besar. Namun masih penting untuk menghitung indeks spektral dan memastikan tidak memilh pengali yang buruk, walau secara statistik hampir mustahil mendapatkan pengali yang buruk ketika nilai modulus lebih besar dari  .

Salah satu kecacatan lain yang spesifik pada LCM adalah periode bit-rendah yang pendek ketika   dipilih sebagai bilangan perpangkatan 2. Hal ini dapat dihindari dengan menggunakan modulus yang lebih besar daripada banyak keluaran yang diinginkan, dan menggunakan bit-bit tinggi dari hasil yang dikeluarkan.

Walaupun demikian, LCM dapat menjadi pilihan yang bagus untuk beberapa aplikasi. Sebagai contoh, pada sistem tertanam, banyak memori yang tersedia sangat terbatas. Pada lingkungan yang serupa, seperti pada konsol permainan, mengambil beberapa bit-tinggi dari LCM mungkin sudah cukup. Keacakan nilai bit-bit rendah dari LCM dengan modulus berupa perpangkatan 2 tidak disarankan untuk digunakan. Hal ini disebabkan karena periode yang sangat pendek. Sebagai contoh, LCM dengan modulus berupa perpangkatan 2, dan dengan hasil yang tidak mengalami pemotongan bit, akan menghasilkan bilangan genap dan bilangan ganjil yang berselang-seling.

LCM perlu dievaluasi secara mendalam untuk penggunaan pada aplikasi non-kriptografis yang memerlukan kualitas keacakan tinggi. Untuk simulasi Monte Carlo dibutuhkan LCM dengan nilai modulus yang (jauh) lebih besar daripada pangkat tiga dari banyak keluaran yang dibutuhkan. Hal ini mengartikan, sebagai contoh, LCM 32 bit (yang baik) dapat digunakan untuk menghasilkan sekitar 1000 bilangan acak, dan LCM 64 dapat digunakan untuk menghasilkan   (sedikit diatas dua juta) bilangan. Karena keadaan tersebut, LCM secara praktis tidak cocok untuk simulasi Monte Carlo skala besar.

Implementasi

sunting

Berikut salah satu implementasi LCM dalam bahasa pemrograman Python:

def lcg(modulus, a, c, seed):
    """Linear congruential generator."""
    while True:
        seed = (a * seed + c) % modulus
        yield seed

Seperti semua pembangkit bilangan acak semu lainnya, LCM perlu menyimpan dan mengubah keadaan bilangan acak yang dihasilkan. Komputer dengan banyak utas yang mengakses keadaan ini dapat menyebabkan race condition. Implementasi dengan setiap utas memiliki inisialisasi nilai awal yang unik diperlukan agar tidak ada utas dengan barisan bilangan acak yang sama.

Turunan LCM

sunting

Terdapat beberapa pembangkit dengan bentuk yang didasarkan pada LCM, sehingga teknik yang digunakan untuk menganalisis LCM juga dapat dipakai untuk mereka.

Salah satu metode untuk menghasilkan periode yang lebih panjang adalah dengan menjumlahkan beberapa LCM, dengan periode yang berbeda dan memiliki faktor bersama yang besar. Pembangkit Wichmann-Hill adalah salah satu contoh metode ini. Metode ini dapat ditunjukkan ekuivalen dengan sebuah LCM dengan modulus sebagai hasil perkalian modulus LCM komponen-komponennya.

Referensi

sunting
  1. ^ "Linear Congruential Generators - Wolfram Demonstrations Project". demonstrations.wolfram.com. Diakses tanggal 2021-01-27. 
  2. ^ Donald E. Knuth (6 May 2014). Art of Computer Programming, Volume 2: Seminumerical Algorithms. Addison-Wesley Professional. hlm. 4–. ISBN 978-0-321-63576-1. 
  3. ^ a b c Steele, Guy; Vigna, Sebastiano (2021-01-21). "Computationally easy, spectrally good multipliers for congruential pseudorandom number generators". arXiv:2001.05304 [cs]. At this point it is unlikely that the now-traditional names will be corrected 
  4. ^ Lehmer, Derrick H. (1951). "Mathematical methods in large-scale computing units". Proceedings of 2nd Symposium on Large-Scale Digital Calculating Machinery: 141–146. 
  5. ^ Thomson, W. E. (1958-02-01). "A Modified Congruence Method of Generating Pseudo-random Numbers". The Computer Journal. 1 (2): 83–83. doi:10.1093/comjnl/1.2.83. ISSN 0010-4620. 
  6. ^ Rotenberg, A. (1960-01-01). "A New Pseudo-Random Number Generator". Journal of the ACM. 7 (1): 75–77. doi:10.1145/321008.321019. ISSN 0004-5411. 
  7. ^ a b "Metode LCM (Linear Congruent Method) - Mesran Punya Blog". mesran.blogspot.com. Diakses tanggal 2021-01-27. 
  8. ^ L'Ecuyer, Pierre (13 July 2017). Chan, W. K. V.; D’Ambrogio, A.; Zacharewicz, G.; Mustafee, N.; Wainer, G.; Page, E., ed. History of Uniform Random Number Generation (PDF). Proceedings of the 2017 Winter Simulation Conference (to appear). Las Vegas, United States. hal-01561551. 
  9. ^ Marsaglia, George (1968-09-01). "Random Numbers Fall Mainly in the Planes". Proceedings of the National Academy of Sciences (dalam bahasa Inggris). 61 (1): 25–28. doi:10.1073/pnas.61.1.25. ISSN 0027-8424. PMC 285899 . PMID 16591687. 
  10. ^ Park, S. K.; Miller, K. W. (1988-10-01). "Random number generators: good ones are hard to find". Communications of the ACM. 31 (10): 1192–1201. doi:10.1145/63039.63042. ISSN 0001-0782. 
  11. ^ Hörmann, W.; Derflinger, G. (1993-12-01). "A portable random number generator well suited for the rejection method". ACM Transactions on Mathematical Software. 19 (4): 489–495. doi:10.1145/168173.168414. ISSN 0098-3500. a multiplier about as small as √m, produces random numbers with a bad one-dimensional distribution. 
  12. ^ a b c d e Knuth, Donald (1997). Seminumerical Algorithms. The Art of Computer Programming (edisi ke-3). Reading, MA: Addison-Wesley Professional. hlm. 10–26. 
  13. ^ a b Press, William H.; et al. (1992). Numerical Recipes in Fortran 77: The Art of Scientific Computing (edisi ke-2nd). ISBN 978-0-521-43064-7. 
  14. ^ Jain, Raj (9 July 2010). "Computer Systems Performance Analysis Chapter 26: Random-Number Generation" (PDF). hlm. 19–20. Diakses tanggal 2017-10-31. 
  15. ^ Fenerty, Paul (11 September 2006). "Schrage's Method". Diarsipkan dari versi asli tanggal 2016-07-09. Diakses tanggal 2017-10-31. 
  16. ^ Hull, T. E.; Dobell, A. R. (July 1962). "Random Number Generators" (PDF). SIAM Review. 4 (3): 230–254. doi:10.1137/1004061. Diakses tanggal 2016-06-26. 
  17. ^ Severance, Frank (2001). System Modeling and Simulation. John Wiley & Sons, Ltd. hlm. 86. ISBN 978-0-471-49694-6. 
  18. ^ L’Ecuyer, Pierre (1999). "Tables of linear congruential generators of different sizes and good lattice structure". Mathematics of Computation (dalam bahasa Inggris). 68 (225): 249–260. doi:10.1090/S0025-5718-99-00996-5. ISSN 0025-5718. 
  19. ^ Implementation in glibc-2.26 release. Diarsipkan 2021-02-26 di Wayback Machine. See the code after the test for "TYPE_0"; the GNU C library's rand() in stdlib.h uses a simple (single state) linear congruential generator only in case that the state is declared as 8 bytes. If the state is larger (an array), the generator becomes an additive feedback generator (initialized using minstd_rand0 Diarsipkan 2021-02-26 di Wayback Machine.) and the period increases. See the simplified code that reproduces the random sequence from this library.
  20. ^ K. Entacher (21 August 1997). A collection of selected pseudorandom number generators with linear structures. CiteSeerX 10.1.1.53.3686 . Diarsipkan dari versi asli tanggal 2013-06-05. Diakses tanggal 16 June 2012. 
  21. ^ "Last public Committee Draft from April 12, 2011" (PDF). hlm. 346f. Diakses tanggal 21 Dec 2014. 
  22. ^ "How Visual Basic Generates Pseudo-Random Numbers for the RND Function". Microsoft Support. Microsoft. Diakses tanggal 17 June 2011. 
  23. ^ In spite of documentation on MSDN, RtlUniform uses LCG, and not Lehmer's algorithm, implementations before Windows Vista are flawed, because the result of multiplication is cut to 32 bits, before modulo is applied
  24. ^ a b "ISO/IEC 14882:2011". ISO. 2 September 2011. Diakses tanggal 3 September 2011. 
  25. ^ GNU Scientific Library: Other random number generators
  26. ^ Stephen J. Chapman. "Example 6.4 – Random Number Generator". "MATLAB Programming for Engineers". 2015. pp. 253–256.
  27. ^ Stephen J. Chapman. "Example 6.4 – Random Number Generator". "MATLAB Programming with Applications for Engineers". 2012. pp. 292–295.
  28. ^ S. J. Chapman. random0. 2004.
  29. ^ Stephen J. Chapman. "Introduction to Fortran 90/95". 1998. pp. 322–324.
  30. ^ Wu-ting Tsai. "'Module': A Major Feature of the Modern Fortran" Diarsipkan 2021-02-24 di Wayback Machine.. pp. 6–7.
  31. ^ The Open Group Base Specifications Issue 7 IEEE Std 1003.1, 2013 Edition
  32. ^ Cadot, Sidney. "rand.s". cc65. Diakses tanggal 8 July 2016. 
  33. ^ O'Neill, Melissa E. (5 September 2014). PCG: A Family of Simple Fast Space-Efficient Statistically Good Algorithms for Random Number Generation (PDF) (Laporan teknis). Harvey Mudd College. hlm. 6–7. HMC-CS-2014-0905. 
  34. ^ Marsaglia, George (1968-09-01). "Random Numbers Fall Mainly in the Planes". Proceedings of the National Academy of Sciences (dalam bahasa Inggris). 61 (1): 25–28. doi:10.1073/pnas.61.1.25. ISSN 0027-8424. PMC 285899 . PMID 16591687.