Question

我在使用rand_r时遇到了麻烦。我有一个生成数百万随机数的模拟。我注意到，在某个时间点，这些数字不再是统一的。可能是什么问题？

我做什么：我创建一个生成器的实例，并给它自己的种子。

mainRGen= new nativeRandRUni(idumSeed_g);

这是类/对象def：

class nativeRandRUni {

    public:
        unsigned seed;

        nativeRandRUni(unsigned sd){ seed= sd; }
        float genP() { return (rand_r(&seed))/float(RAND_MAX); } // [0,1]
        int genI(int R) { return (rand_r(&seed) % R); } // [0,R-1]
};

数字简单地由以下方式生成：

newIntNumber= mainRGen->genI(desired_max);
newFloatNumber= mainRGen->genP();

模拟具有上述问题。我知道这种情况正在发生，因为我已经检查了结果中显示签名的时间点之后生成的数字的分布（参见本顶部图片，http://ubuntuone.com/0tbfidZaXfGNTfiVr3x7DR）

另外，如果我在t-1和t打印种子，是签名的时间点，我可以看到种子从值263069042到1069048066变化一个数量级

如果我使用不同的种子运行代码，问题总是存在，但在不同的时间点

此外，如果我使用rand（）而不是我的对象，一切顺利...我需要对象原因有时我使用线程。上面的例子没有线程。

我真的迷失在这里，有任何线索吗？

编辑 - 编辑
它可以通过循环足够多次来重现，问题是，就像我说的那样，需要数百万次迭代才能出现问题。对于种子-158342163，我在世代t = 134065568得到它。可以检查之前（均匀）和之后（不均匀）生成的数字。如果我在给定的t上手动更改种子，我会遇到同样的问题，请参阅代码中的（*）。我也不希望发生什么？

#include <tr1/random>
#include <fstream> 
#include <sstream>
#include <iostream>

using std::ofstream;
using std::cout;
using std::endl;

class nativeRandRUni {

    public:
        unsigned seed;
        long count;

        nativeRandRUni(unsigned sd){ seed= sd; count=0; }
        float genP() { count++; return (rand_r(&seed))/float(RAND_MAX); } // [0,1]
        int genI(int R) { count++; return (rand_r(&seed) % R); } // [0,R-1]

};

int main(int argc, char *argv[]){

    long timePointOfProblem= 134065568;

    nativeRandRUni* mainRGen= new nativeRandRUni(-158342163);
    int rr;

    //ofstream* fout_metaAux= new ofstream();
    //fout_metaAux->open("random.numbers");
    for(int i=0; i< timePointOfProblem; i++){
            rr= mainRGen->genI(1009200);
            //(*fout_metaAux) << rr << endl;
            //if(i%1000==0) mainRGen->seed= 111111; //(*) FORCE    
    }
    //fout_metaAux->close();

}

Answer 1

鉴于随机数是模拟的关键，您应该实现自己的生成器。我不知道rand_r正在使用什么算法，但它可能像线性全等生成器一样非常糟糕。

我会考虑快速实现一些具有良好品质的东西，你知道底层算法。我首先考虑实施Mersenne Twister：

http://en.wikipedia.org/wiki/Mersenne_twister

它易于实现且速度非常快 - 不需要分割。

Answer 2

最终尝试使用boost的简单解决方案，将生成器更改为：

class nativeRandRUni {
    public:
        typedef mt19937 EngineType;
        typedef uniform_real<> DistributionType;
        typedef variate_generator<EngineType, DistributionType> VariateGeneratorType;

        nativeRandRUni(long s, float min, float max) : gen(EngineType(s), DistributionType(min, max)) {}
        VariateGeneratorType gen;
};

我不再解决问题了......它解决了它，我不觉得不明白它是什么感觉很舒服。我认为拉斐尔是对的，我不应该信任rand_r这一代人的密集数量

现在，这比以前慢，所以我可能会寻找优化它的方法。问题：原则上Mersenne Twister的实施会更快吗？

感谢大家！

数以百万计的随机数生成“溢出”rand_r？

2 个答案: