Question

我有一个粒子系统，通常会创建新粒子，更新它们并破坏......

在发射器模块中有for循环，用于重置粒子：

foreach p in particles
    p.position = rand()
    p.velocity = rand()

通常在使用C的rand（）函数时我们会得到统一的分布，但是当我想使用其他分布（例如高斯分布）时会怎么样？

如何更改该代码，以便它可以处理几种（或至少两种）生成新粒子参数的不同方式？

当然你可以创建一些对象：像RandomGenerator，并使用一些虚函数调用并处理这些不同的行为。但是这段代码应该非常快（当更新数千个粒子时），所以我认为使用虚函数并不好。

或者我可能不应该只关心并写下：

foreach p in particles
    p.position = useGaussian ? gausRand() : UniRand()
    p.velocity = useGaussian ? gausRand() : UniRand()

我们可以缩小不同分布的数量，只使用其中的两个或三个......

请注意我的示例非常简单，但在实际代码中，您有几个粒子参数配置。

我想就这个问题得到一些一般性建议。

Answer 1

通常在使用C的rand（）函数时，我们会得到统一的分布，但是当我想使用其他分布（例如高斯分布）时会怎么样？

Box Muller Transform是一种非常聪明的算法，它使用trig函数从高斯分布中使用均匀分布作为输入生成随机数（即使用rand()）。您可以指定均值和标准差，并调用此函数以生成新的变量。唯一的缺点是它比简单地调用rand更昂贵，因为它还调用sin()和cos()（尽管只是每隔一次调用）。

如何更改该代码，以便它可以处理几种（或至少两种）生成新粒子参数的不同方式？

我建议你从RandomGenerator和虚方法方法开始。这将是最容易维护的。在尝试优化之前，先从最简单的方法和配置文件开始。

考虑到生成随机数的计算复杂性，生成变量的成本将远远超过虚拟方法调用与静态函数调用的开销。

如果确实这样，真的不够快，你总是可以生成一个随机数池，在后台根据需要生成更多。

Answer 2

虽然@ gavinb的答案是完全有效的方法，但我建议避免重新发明轮子并使用标准设施：如果你有c ++ 11支持，请使用std::normal_distribution及其亲属（见，例如C++ TR1: how to use the normal_distribution?）。否则，请使用boost::random library。

由于这些只是标题（至少是boost版本），因此不涉及多态调用，因此您不必担心它们。当然，这并不能消除@Oli Charlesworth的建议的最大相关性。

编辑：如果由于多态调用导致的开销不可忽略，您可以始终在枚举类型的分布上模拟函数，并根据需要对其进行特化。

简而言之，它就像这样简单：

#include<iostream>

// template on an int selector
template<int N> void foo(){ std::cout<<"42\n"; }
template<> void foo<1>() {std::cout<<"1\n";}

//now use an enum
enum  distr_types {UNIF, NORMAL, UNKNOWN}; 
template<distr_types T> void bar() {std::cout<<"fourty two\n";}
template<> void bar<UNIF>() {std::cout<<"UNIF\n";}
template<> void bar<NORMAL>(){std::cout<<"NORMAL\n";}

int main(){
  foo<3>();
  foo<1>();

  bar<UNIF>();
  bar<NORMAL>();
  bar<UNKNOWN>();
}

但如果你发现自己正在做这类事情，那么值得看一下 good C++ books。

如何有效地处理不同的概率分布函数？

2 个答案: