嘿，做伪随机地图生成时遇到这个问题太常见了！你需要的本质是确定性的哈希函数——只要输入（x,y,seed）固定，输出就完全一致，不同的seed就对应独立的生成器，正好适配海拔、湿度、温度这些不同的地图层需求。

下面给你几个实用的实现思路和代码示例：

核心思路：坐标+种子的混合哈希 #

伪随机数的关键是把(x,y,seed)这三个值混合成一个唯一的“键”，再通过哈希计算转成你需要的数值范围（比如0-1的浮点数，或者指定区间的整数）。哈希函数的确定性保证了相同输入必有相同输出，不同种子则会生成完全独立的数值序列。

方案1：轻量级自定义哈希（适合快速实现） #

如果你不想依赖复杂的库，自己写个简单的混合哈希就行。这里以Python为例：

def get_pseudorandom(x: int, y: int, seed: int = 0) -> float:
    # 先把x、y、seed混合成一个整数
    hash_val = x * 12345 + y * 67890 + seed * 98765
    # 用位运算进一步打乱，增强随机性
    hash_val ^= hash_val >> 16
    hash_val *= 0x85ebca6b
    hash_val ^= hash_val >> 13
    hash_val *= 0xc2b2ae35
    hash_val ^= hash_val >> 16
    # 转成0-1之间的浮点数
    return hash_val / 0xffffffff

• 测试一下：get_pseudorandom(10, 20, 0) 和 get_pseudorandom(10,20,0) 会返回完全相同的值；
• 换种子：get_pseudorandom(10,20,1) 就会得到另一个和seed=0完全独立的数值，完美对应不同的地图属性层。

方案2：使用成熟的哈希算法（比如FNV-1a） #

如果需要更稳定、分布更均匀的随机结果，可以用工业级的哈希算法，比如FNV-1a。它的特点是计算快、碰撞率低：

def fnv1a_hash(x: int, y: int, seed: int) -> float:
    # FNV-1a的基础偏移量和质数
    fnv_offset = 0x811c9dc5
    fnv_prime = 0x01000193
    
    # 依次哈希x、y、seed
    hash_val = fnv_offset
    hash_val = (hash_val ^ x) * fnv_prime
    hash_val = (hash_val ^ y) * fnv_prime
    hash_val = (hash_val ^ seed) * fnv_prime
    
    # 转成0-1的浮点数
    return (hash_val & 0xffffffff) / 0xffffffff

这个方案的随机数分布会比自定义的更均匀，适合对地图细节要求高的场景。

扩展技巧：调整数值范围 #

如果需要的不是0-1的浮点数，而是比如-1到1，或者某个整数区间，只需要在最后一步做转换：

# 转成-1到1的范围
return (hash_val / 0x7fffffff) - 1.0

# 转成0到100的整数
return (hash_val % 101)

为什么这个方案适合地图生成？ #

• 确定性：相同(x,y,seed)必返回相同值，地图刷新时不会出现随机变化；
• 独立性：不同seed完全隔离，海拔、湿度、温度的生成不会互相干扰；
• 无状态：不需要维护生成器的状态，直接传坐标和种子就能计算，适合大地图的分块生成。

内容的提问来源于stack exchange，提问作者Ender Look