计算机生成随机数主要有两种方法：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）
伪随机数生成器是一种算法，通过初始种子值（通常是一个真正的随机数）和一系列数学运算来生成看似随机的数字序列。这些数字序列在许多应用中足够随机，但实际上是可预测的。常见的伪随机数生成器包括线性同余生成器（LCG）。
在计算机编程中，可以使用编程语言提供的随机数生成函数来生成伪随机数。例如，在Python中，可以使用`random`模块来生成随机数：
```python
import random
生成一个0到1之间的随机浮点数
random_float = random.random（）
使用random.choice（）随机选择一个元素
selected_number = random.choice（[1, 2, 3]）
```
真随机数生成器（TRNG）
真随机数生成器依赖于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。例如，放射性衰变、大气噪声、键盘敲击等都可以被用来生成真随机数。
在计算机系统中，可以通过检测硬件的某些不确定性来生成真随机数，例如CPU频率与温度的不确定性、系统时间的误差以及声卡的底噪等。
实际应用中的建议
在大多数应用中，伪随机数生成器已经足够使用，因为它们生成的随机数在统计上具有很好的随机性，并且计算效率较高。然而，在需要极高安全性的应用中，如密码学，通常会使用真随机数生成器来确保随机数的不可预测性。
如果你需要在计算机上生成随机数，建议根据具体需求选择合适的方法：
伪随机数生成器：
适用于大多数通用计算，如数据分析、模拟等。
真随机数生成器：
适用于安全性要求较高的应用，如密码学、安全通信等。
通过了解这些方法，你可以根据实际需求选择合适的工具来生成随机数。