常见的随机数生成算法有以下几种：

1.线性同余法（Linear Congruential Generator,LCG）：通过一个递推公式生成一系列的伪随机数。具体来说，设X0为种子，Xn+1 = (a * Xn + c) mod m，其中a、c、m为常数。LCG算法简单易实现，但生成的随机数序列可能存在周期性和相关性。

2.梅森旋转算法（Mersenne Twister）：一种高质量的伪随机数生成算法。它使用一个庞大的2^19937 - 1周期的线性同余发生器，并通过一系列的旋转、异或和移位操作来生成随机数。梅森旋转算法具有较长的周期和良好的统计特性，被广泛应用于科学计算和模拟领域。

3.随机数表法（Random Table）：事先生成一个包含大量随机数的表格，每次需要随机数时从表格中取出一个。这种方法可以保证生成的随机数不重复，但需要占用较大的存储空间。

4.递增随机数生成器（Incremental Random Number Generator）：从一个初始值开始，每次生成的随机数都比前一个大一些。这种方法可以用于生成一系列递增的随机数，例如用于随机排序、随机抽样等应用场景。

这些算法都是基于确定性的计算过程生成的伪随机数，因此在某种程度上是可预测的。如果需要更高质量的随机数，可以考虑使用硬件随机数生成器或者利用物理过程（如放射性衰变）产生真随机数。