计算机实现随机数的方式主要分为两种：伪随机数生成器（PRNG）和真随机数生成器（TRNG）。
伪随机数生成器（PRNG）
原理：伪随机数生成器依赖于一个初始种子值（称为种子）和一个确定的算法公式。通过不断迭代这个算法，计算机可以产生看似随机的数字序列。这些数字实际上是通过某种方式“伪造”出来的，而不是真正的随机数，但它们具有类似于随机数的统计特征。
常见算法：
线性同余算法：这是最常见的伪随机数生成算法之一。它使用一个线性方程来生成下一个随机数，公式通常表示为 `x_{n+1} = （a * x_n + b） % m`，其中 `x_n` 是当前的随机数，`x_{n+1}` 是下一个随机数，`a`、`b` 和 `m` 是常数。
梅森旋转算法：基于斐波那契数列生成随机数，通过一系列的数学运算来产生随机数序列。
应用：在许多应用中，伪随机数生成器已经足够好，例如在模拟、统计抽样、游戏开发等。
真随机数生成器（TRNG）
原理：真随机数生成器利用计算机内部或外部的物理现象来生成随机数。这些现象的不可预测性使得产生的数字更接近真正的随机数。真随机数生成器通常依赖于硬件噪声、电磁干扰、放射性衰变等物理过程。
常见方法：
电路噪声：直接利用计算机电路中的噪声（如热噪声）作为随机源，通过运算放大和统计一定时间内达到阈值的信号数来得到随机数。
亚稳态：利用计算机内存的双态触发器在亚稳态结束时产生的随机数。触发器在切换之前处于行为无法预测的状态，切换后内容为完全随机。
混沌电路：利用混沌电路的输出结果对初始条件敏感的特性来生成随机数。混沌电路的输出是不可预测的，且在IC芯片中易集成。
物理现象：利用环境中的物理现象，如键盘敲击、鼠标移动等，来生成随机数。
应用：在需要高度随机性和安全性的应用中，如密码学、金融交易等，真随机数生成器是必需的。
总结
伪随机数生成器通过算法和种子值生成看似随机的数字序列，适用于大多数应用。
真随机数生成器利用物理现象生成真正的随机数，适用于对随机性要求极高的应用。
在实际应用中，伪随机数生成器已经足够满足大多数需求，但在需要更高安全性和随机性的场合，真随机数生成器是更理想的选择。