Если вы сомневаетесь, прочитайте документацию .
Из свойства TargetPath - Примечания Раздел Это свойство предназначено для ярлыка целевой путь. Любые аргументы в ярлыке должны быть помещены в свойство Аргумент.
blockquote>Аргументы команды принадлежат свойству
Arguments
:Set oShellLink = objShell.CreateShortcut("shortcut.lnk") oShellLink.TargetPath = "C:\Windows\System32\mshta.exe" oShellLink.Arguments = "D:\path\to\file.hta" ... oShellLink.Save
rand()
генерирует значение от 0
до RAND_MAX
. RAND_MAX
на большинстве платформ устанавливается в INT_MAX
, которое может быть 32767
или 2147483647
.
Для вашего примера, приведенного выше, получается, что RAND_MAX
равен 32767
. Это поместит необычно высокую частоту 1
, 2
и 3
для старшей значащей цифры для значений от 10000
до 32767
. Можно заметить, что в меньшей степени предпочтение также будет отдаваться значениям до 6
и 7
.
Это потому, что вы генерируете числа между 0
и RAND_MAX
. Сгенерированные числа распределены равномерно (то есть приблизительно одинаковая вероятность для каждого числа), однако цифры 1,2,3 встречаются чаще, чем другие в этом диапазоне. Попробуйте произвести генерацию между 0
и 10
, где каждая цифра встречается с одинаковой вероятностью, и вы получите хорошее распределение.
Если я понимаю, чего хочет ОП (человек, задающий вопрос), он хочет получать более точные случайные числа. Откровенно говоря,
rand () и random () не делают хороших случайных чисел; они оба показывают плохие результаты при тестировании на стойкость и стойкость (два пакета для проверки качества случайных чисел).
Твистер Мерсенна - популярный генератор случайных чисел, который хорош практически для всего, кроме криптостойких случайных чисел; он безупречно проходит все жесткие (эр) тесты.
Если кому-то нужны криптостойкие случайные числа (числа, которые невозможно угадать, даже если кто-то знает, какой конкретный криптостойкий алгоритм используется), существует ряд потоковых шифров. Тот, который мне нравится использовать, называется RadioGatún [32], и вот его компактное C-представление:
/*Placed in the public domain by Sam Trenholme*/
#include <stdint.h>
#include <stdio.h>
#define p uint32_t
#define f(a) for(c=0;c<a;c++)
#define n f(3){b[c*13]^=s[c];a[16+c]^=s[c];}k(a,b
k(p *a,p *b){p A[19],x,y,r,q[3],c,i;f(3){q[c]=b[c
*13+12];}for(i=12;i;i--){f(3){b[c*13+i]=b[c*13+i-
1];}}f(3){b[c*13]=q[c];}f(12){i=c+1+((c%3)*13);b[
i]^=a[c+1];}f(19){y=(c*7)%19;r=((c*c+c)/2)%32;x=a
[y]^(a[(y+1)%19]|(~a[(y+2)%19]));A[c]=(x>>r)|(x<<
(32-r));}f(19){a[c]=A[c]^A[(c+1)%19]^A[(c+4)%19];
}a[0]^=1;f(3){a[c+13]^=q[c];}}l(p *a,p *b,char *v
){p s[3],q,c,r,x,d=0;for(;;){f(3){s[c]=0;}for(r=0
;r<3;r++){for(q=0;q<4;q++){if(!(x=*v&255)){d=x=1;
}v++;s[r]|=x<<(q*8);if(d){n);return;}}}n);}}main(
int j,char **h){p a[39],b[39],c,e,g;if(j==2){f(39
){a[c]=b[c]=0;}l(a,b,h[1]);f(16){k(a,b);}f(4){k(a
,b);for(j=1;j<3;++j){g=a[j];for(e=4;e;e--){printf
("%02x",g&255);g>>=8;}}}printf("\n");}}
Есть также много других действительно хороших генераторов случайных чисел.
Похоже на закон Бенфорда - см. http://en.wikipedia.org/wiki/Benford%27s_law или не очень хороший ГСЧ.
Когда вы хотите сгенерировать случайное значение из диапазона [0, x)
, вместо того, чтобы делать rand()%x
, вы должны применить формулу x*((double)rand()/RAND_MAX)
, которая даст вам красиво распределенные случайные значения.
Скажем, RAND_MAX равен 15, поэтому rand
даст вам целые числа от 0 до 15. Когда вы используете оператор modulo для получения случайных чисел из [0, 10)
, значения [0,5]
будут иметь большую частоту, чем [6,9]
, потому что 3 == 3%10 == 13%10
.
Что касается отредактированного вопроса,
Это потому, что цифры все еще распределяются неравномерно, даже если вы % 10000
. Предположим, что RAND_MAX == 32767
и rand ()
совершенно однородны.
Для каждых 10 000 чисел, отсчитываемых от 0, все цифры будут отображаться одинаково (по 4 000 каждая). Однако 32 767 не делятся на 10 000. Следовательно, эти 2768 чисел предоставят больше ведущих 0, 1 и 2 для окончательного подсчета.
Точный вклад этих 2768 чисел таков:
digits count
0 1857
1 1857
2 1625
3 857
4 857
5 857
6 855
7 815
8 746
9 746
прибавление 12 000 для начальных 30 000 чисел к счету, а затем разделение на общее количество цифр (4 × 32 768) даст вам ожидаемое распределение:
number probability (%)
0 10.5721
1 10.5721
2 10.3951
3 9.80911
4 9.80911
5 9.80911
6 9.80759
7 9.77707
8 9.72443
9 9.72443
что близко к тому, что вы получаете.
Если вы хотите по-настоящему равномерное распределение цифр, вам нужно отклонить эти 2768 чисел:
int rand_4digits() {
const int RAND_MAX_4_DIGITS = RAND_MAX - RAND_MAX % 10000;
int res;
do {
res = rand();
} while (res >= RAND_MAX_4_DIGITS);
return res % 10000;
}