伪随机数，Mulberry32 和线性同余法（LCG）的优劣

比 LCG 有更好的随机性分布（通过更多的位混合操作）。

通过多次位移和异或运算，减少明显的周期性模式。

适用于游戏、模拟等需要较高随机性质量的场景。

缺点：

计算量比 LCG 稍大（但现代 JS 引擎优化后影响很小）。

LCG（线性同余法）
优点：

计算简单，性能极高（仅 1 次乘法和取模运算）。

如果参数选得好（如 a=48271, m=2^31-1），可以满足基本需求。

缺点：

随机性较差，低阶比特（最低几位）可能呈现明显规律（如奇偶交替）。

如果参数选择不当（如 a=1664525, c=1013904223），可能在高维空间（如 3D 噪声）出现明显规律。

结论：Mulberry32 的随机性明显优于 LCG，尤其在高频调用或需要高质量随机数的场景。

虽然比 LCG 多几次运算，但实际性能差异极小（< 10%）。

LCG
仅 1 次乘法 + 1 次取模，理论上是更快的。

但 JavaScript 的 % 运算在负数时表现不一致，可能需要额外处理。

结论：LCG 稍快，但差距极小，除非每秒生成上百万个随机数，否则可忽略不计。

LCG：

如果 m=2^32，周期最多 2^32（但参数选择不好时可能更短）。

如果 m=2^31-1（如 MINSTD），周期 2^31-1（约 21 亿）。

结论：Mulberry32 周期更长，但 LCG 如果参数选好（如 a=48271, m=2^31-1）也能满足需求。

伪随机数，Mulberry32 和 线性同余法（LCG）的优劣