Geração de números aleatóriois e pseudo-aleatórios

• Autor(a) principal: Gomes, Diogo Miguel Gândara Andrade
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10174/35960
• topic: Geradores de Números Pseudo-aleatórios; Autómatos Celulares; Iteradas de Aplicaçõeses,; Algoritmos; Testes Estatísticos; Pseudo-random Number Generators; Cellular Automata; Application Iterations; Algorithms; Statistical Tests

Numa era definida pelo crescimento tecnológico exponencial, as metodologias computacionais sofisticadas tornaram-se parte integrante da exploração e simulação de fenómenos físicos e sociais complexos. O rápido desenvolvimento das tecnologias de informação, juntamente com a proliferação de plataformas centradas em dados, sublinha a necessidade imperativa de geradores de números aleatórios altamente eficientes e seguros. Este documento fornece uma exploração de várias vias de geração de números aleatórios, englobando as suas diversas classificações, papéis fundamentais e estruturas de teste. No entanto, o ponto crucial deste estudo reside na conceção de um algoritmo baseado nos princípios dos autómatos celulares. O objetivo principal é conceber algoritmos capazes de servir como geradores pseudo-aleatórios, adaptando-se ao cenário em constante evolução das aplicações baseadas em dados; Abstract: Random and pseudo-random number generation - In an era defined by exponential technological growth, sophisticated computational methodologies have become integral for exploring and simulating intricate physical and social phenomena. The rapid development of information technologies, coupled with the proliferation of data-centric platforms, underscores the imperative for highly efficient and secure random number generators. This document provides an insightful exploration into various avenues of random number generation, encompassing their diverse classifications, pivotal roles, and rigorous testing frameworks. However, the crux of this study lies in the conception of an advanced generative algorithm based on cellular automata principles. The primary objective is to engineer algorithmic contenders capable of serving as potent Pseudo-Random Generators, seamlessly adapting to the evolving landscape of data-driven applications.