计算机生成真随机数的方法主要有以下几种：
利用系统时间和不确定因素
计算机可以通过其系统时间（如毫秒级时间戳）来生成随机数。具体方法是将系统时间除以一个元素总数，然后取余数作为数组成员。由于计算机的多任务处理，相同的运算可能在不同时间执行，这种时间上的差异可以用来生成随机数。为了确保随机性，需要在每次生成数组成员后让计算机休息一段时间，以避免下一个采样与上一个相同或相近。
硬件随机数生成器
计算机可以利用硬件设备生成随机数，例如根据CPU的频率、温度，或者环境中的噪音、键盘敲击的精确时间等。这些方法依赖于物理现象的不可预测性，因此生成的随机数具有更高的随机性。
物理性随机数发生器
依赖于物理现象生成随机数，如掷钱币、骰子、转轮、电子元件的噪音、核裂变等。这些方法生成的随机数具有真正的随机性，但技术要求较高。
伪随机数生成器
伪随机数生成器（PRNG）是一种算法，通过一个初始种子值（通常是一个真正的随机数）生成一系列看似随机的数字。虽然这些数字实际上是通过固定的计算方法产生的，但它们在许多应用中表现出了足够的随机性。
特定硬件模块
一些硬件设备，如Intrer和NSA推出的RdRand，据称能够生成真正的随机数。这些设备通常基于物理现象，但其具体原理和实现细节可能不公开。
在实际应用中，伪随机数生成器通常足够满足需求，因为它们简单、高效且易于实现。然而，在需要极高随机性的应用中，如密码学，物理性随机数生成器或真随机数生成器是更好的选择。