1、概率

在计算机图形系统中，用随机方式构建系统是最容易的。
对自然界建模，在这类场景中用随机方式构建模型是不合理的，尤其是对有机体或者具有自然外形的事物建模。
在遗传算法中，我们需要一种执行“选择”的方法。优胜劣汰算法

0.4　随机数的正态分布

1、正态分布

所有的观测值都聚集在平均值附近，这样的分布称作“正态”分布。它还称作高斯分布（以数学家卡尔·弗里德里希·高斯命名），在法国正态分布称作拉普拉斯分布（以皮埃尔-西蒙-普拉斯命名）。

绘制正态分布时，你会看到类似下图的曲线，它一般称为钟形曲线。

这条曲线由一个数学函数产生，该数学函数描述了在给定平均值（通常以希腊字母μ表示）和标准差（以希腊字母σ表示）下的概率分布情况。
标准差很小时的正态分布，大部分数据都紧密集中在平均值附近。
标准差很大时的正态分布，数据相对分散地分布在平均值两边。
标准差是离均差平方和平均后的方根。

2、高斯分布

运用Random类，生成一个符合正态分布的随机数。调用
nextGaussian()函数。

nextGaussian()函数
默认以下面两个参数生成符合正态分布的随机数：正态分布的平均值等于0，标准差等于1。
如果我们需要一个平均值为320（宽度为640的窗口的正中位置），标准差为60像素的正态分布，可以简单地处理参数：将它乘以标准差并加上平均值。
用途：模拟用各种颜色的点模拟颜料飞溅在画板上的效果

3、实例

import java.util.Random;

Random generator;
 //我们使用generator（生成器）作为变量名，因为此处可以认为是一个随机数生成器
void setup() {
size(400,300);
generator = new Random();
}

void draw(){
float num = (float) generator.nextGaussian();  
//注意，nextGaussian()的返回值类型是double
float sd = 60;
float mean = 200;
float x = sd * num + mean; //乘以标准差，再加上平均值
noStroke();
fill(0, 10);
ellipse(x,150,16,16);
}

运行结果