اپلیکیشن اندرویدی فلش‌کارت آموزشی تولید اعداد تصادفی با رویکرد IBM 360: از تئوری تا پیاده‌سازی عملی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تولید اعداد تصادفی با رویکرد IBM 360: از تئوری تا پیاده‌سازی عملی

موضوع کلی: علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: تولید اعداد تصادفی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر اعداد تصادفی: چرا و چگونه؟
• 2. مفهوم "تصادفی" در علوم کامپیوتر
• 3. اعداد شبه‌تصادفی (PRNG) در مقابل اعداد تصادفی واقعی (TRNG)
• 4. ویژگی‌های مطلوب یک توالی اعداد شبه‌تصادفی خوب
• 5. کاربردهای اعداد تصادفی: از شبیه‌سازی تا رمزنگاری
• 6. تاریخچه تولید اعداد تصادفی: از روش‌های مکانیکی تا کامپیوتری
• 7. نقش ماشین‌های اولیه در تولید RNG: نگاهی به قبل از IBM 360
• 8. معرفی کلی رویکرد IBM 360 به RNG
• 9. اصطلاحات و تعاریف کلیدی در تولید اعداد تصادفی
• 10. چالش‌های اولیه در تولید RNG روی سخت‌افزار محدود
• 11. مبانی ریاضی تولید اعداد تصادفی: هم‌نهشتی و پیمانه
• 12. مولدهای خطی هم‌نهشتی (LCG): فرمول کلی و اجزا
• 13. پارامترهای اصلی LCG: پیمانه (Modulus)، ضریب (Multiplier)، افزایش‌دهنده (Increment)
• 14. انتخاب پیمانه (Modulus): اهمیت و اثرگذاری آن
• 15. انتخاب ضریب (Multiplier): شرایط Knuth و دیگر معیارها
• 16. انتخاب افزایش‌دهنده (Increment): تأثیر بر توزیع و دوره تناوب
• 17. مفهوم دوره تناوب (Period) در LCG ها
• 18. شرایط دستیابی به دوره تناوب کامل (Full Period) برای LCG ها
• 19. تجزیه و تحلیل ریاضی دوره تناوب LCG: قضیه Hull-Dobell
• 20. نمونه‌هایی از LCG های مشهور و پارامترهای آن‌ها
• 21. مولدهای هم‌نهشتی ضربی (Multiplicative Congruential Generators - MCG)
• 22. مولدهای هم‌نهشتی مخلوط (Mixed Congruential Generators)
• 23. مولدهای لگاریتمی فیبوناچی (Lagged Fibonacci Generators - LFG): مقدمه
• 24. پیاده‌سازی LFG: عملیات XOR، ADD، SUB
• 25. مقایسه LCG و LFG: مزایا و معایب
• 26. مولدهای شیفت رجیستر (Shift-Register Generators - SRG): معرفی LFSR
• 27. نظریه میدان‌های متناهی (Finite Fields) در SRG ها
• 28. انتخاب چندجمله‌ای اولیه (Primitive Polynomial) برای LFSR
• 29. مولدهای ترکیبی (Combined Generators): بهبود کیفیت
• 30. تکنیک‌های ترکیب LCG ها
• 31. استفاده از مولدهای چندگانه برای افزایش دوره تناوب
• 32. معرفی سایر الگوریتم‌های کلاسیک تولید RNG
• 33. روش‌های ناهمگون برای تولید اعداد تصادفی (به عنوان مقدمه)
• 34. تولید اعداد با توزیع‌های خاص از توزیع یکنواخت (مقدمه)
• 35. خطرات انتخاب نادرست پارامترها و عواقب آن
• 36. معماری IBM System/360: مروری بر ساختار
• 37. رجیسترهای عمومی و تخصصی IBM 360 و کاربردشان در RNG
• 38. نمایش داده‌ها در IBM 360: کلمات (Words) و کلمات دوگانه (Doublewords)
• 39. سیستم اعداد ثابت (Fixed-Point Arithmetic) در IBM 360
• 40. دستورالعمل‌های اصلی IBM 360 برای عملیات حسابی (ADD, SUB, MUL, DIV)
• 41. عملیات بیتی (Bitwise Operations) در IBM 360: AND, OR, XOR
• 42. دستورالعمل‌های شیفت (Shift Instructions) در IBM 360: SLL, SRL, SLA, SRA
• 43. پیاده‌سازی LCG ساده در اسمبلی IBM 360: گام به گام
• 44. مدیریت پیمانه در LCG روی IBM 360: استفاده از دستورالعمل DIV
• 45. بهینه‌سازی عملیات پیمانه برای حالت‌های خاص (مثلاً پیمانه‌های توان 2)
• 46. ضرب اعداد بزرگ در IBM 360: MUL و Doubleword Registers
• 47. مدیریت سرریز (Overflow) در عملیات حسابی IBM 360
• 48. انتخاب بذر (Seed) اولیه: چالش‌ها و روش‌ها در محیط IBM 360
• 49. استفاده از ساعت سیستم (System Clock) به عنوان بذر در IBM 360
• 50. ذخیره و بازیابی حالت ژنراتور بین فراخوانی‌ها
• 51. پیاده‌سازی LCG با استفاده از "Multiply and Add" به جای "Multiply and Divide"
• 52. مولدهای "Maximum Period" در IBM 360
• 53. پیاده‌سازی مولدهای فیبوناچی لگاریتمی در IBM 360
• 54. استفاده از XOR برای LFG در معماری 360
• 55. پیاده‌سازی LFSR در اسمبلی IBM 360
• 56. چالش‌های پیاده‌سازی مولدهای ترکیبی در IBM 360
• 57. دستورالعمل‌های شرطی و پرش (Conditional Branches) در کنترل فلو
• 58. مدیریت حافظه (Memory Management) برای ذخیره حالت ژنراتور
• 59. فراخوانی تابع (Subroutine Call) برای ژنراتور RNG
• 60. ساختار یک ماژول RNG استاندارد برای IBM 360
• 61. بهینه‌سازی سرعت و کارایی کد RNG در IBM 360
• 62. اثرات معماری 360 بر انتخاب الگوریتم‌های RNG
• 63. نمونه کدهای عملی RNG در IBM 360 Assembly
• 64. مستندسازی و نگهداری کدهای RNG در محیط‌های قدیمی
• 65. معرفی ابزارهای توسعه و شبیه‌سازهای IBM 360 (برای تمرین)
• 66. درک محدودیت‌های سخت‌افزاری 360 بر کیفیت RNG
• 67. روش‌های مقابله با مشکلات سخت‌افزاری: استفاده از ترفندهای برنامه‌نویسی
• 68. مقایسه کارایی روش‌های مختلف RNG بر روی IBM 360
• 69. مسائل مربوط به سازگاری (Compatibility) در نسخه‌های مختلف 360
• 70. تاریخچه الگوریتم‌های RNG در سیستم‌های IBM
• 71. اهمیت آزمون‌های آماری برای اعداد شبه‌تصادفی
• 72. طبقه‌بندی آزمون‌های آماری: ساده، متوسط، پیشرفته
• 73. آزمون فرکانس (Frequency Test) یا تک بیتی
• 74. آزمون Runs (Runs Test): صعودی و نزولی
• 75. آزمون Gap (Gap Test)
• 76. آزمون Poker (Poker Test)
• 77. آزمون چی‌دو (Chi-Square Test) برای توزیع یکنواخت
• 78. آزمون Kolmogorov-Smirnov (KS Test) برای توزیع
• 79. مفهوم خودهمبستگی (Auto-correlation) و آزمون آن
• 80. آزمون ماتریس بیتی (Bit-Matrix Test)
• 81. آزمون طول سیکل (Cycle Length Test) و تشخیص تکرار
• 82. آزمون Spectral (Spectral Test) برای LCG ها: ابزاری قدرتمند
• 83. آزمون N-tuple Distribution
• 84. Visualizing Randomness: استفاده از گراف‌ها و نمودارها
• 85. محدودیت‌های آزمون‌های آماری: هیچ آزمونی کامل نیست
• 86. انتخاب مجموعه مناسبی از آزمون‌ها برای ارزیابی RNG
• 87. پیاده‌سازی برخی آزمون‌های ساده در IBM 360 (مفاهیم کلی)
• 88. بررسی نتایج آزمون‌ها و تفسیر آن‌ها
• 89. تاریخچه تست‌های RNG و تکامل آنها از دوران 360
• 90. چالش‌های تست RNG های ضعیف
• 91. تولید اعداد تصادفی با توزیع نرمال (Normal Distribution)
• 92. روش Box-Muller برای تولید توزیع نرمال
• 93. تولید اعداد تصادفی با توزیع نمایی (Exponential Distribution)
• 94. شبیه‌سازی با روش مونت کارلو (Monte Carlo Simulation): مقدمه
• 95. کاربردهای مونت کارلو در علوم و مهندسی
• 96. مروری بر مولدهای اعداد شبه‌تصادفی جدیدتر و تفاوت آن‌ها با رویکرد 360
• 97. مفهوم اعداد شبه‌تصادفی خوب (Quasi-Random Numbers) و تفاوت با PRNG
• 98. ملاحظات امنیتی در تولید اعداد تصادفی (اهمیت برای رمزنگاری)
• 99. آینده تولید اعداد تصادفی: از IBM 360 تا کوانتوم
• 100. جمع‌بندی دوره: درس‌ها و چشم‌انداز