Question

我使用STL＆＃39;随机＆＃39;生成二元分布的随机数。当范围很大时，它变得非常慢。对于范围40，生成100个数字需要12秒。对于更大的范围，时间会急剧增加（我需要大约10000的范围）。它似乎不依赖于概率参数。我使用的是g ++ 4.5.0。

#include <iostream>
#include <random>

using namespace std;

vector<int> v;

default_random_engine gen(123);
binomial_distribution<int> rbin(40,0.7);

int main(){
  v.reserve(2000);
  for(int i=0; i<100;++i){
    v.push_back(rbin(gen));
   }
}

输出：

50.~/.../fs/> g++ -std=c++0x q.cpp 
51.~/.../fs/> time ./a.out 
real    0m12.102s
user    0m12.094s
sys     0m0.002s
52.~/.../fs/>

我可以使用法线近似，但它对于概率参数的极值是不好的。

更新

使用＆＃39; -O3＆＃39;选项时间变为~2秒。使用g ++ 4.6.3时，问题完全消失了 - 几乎没有时间依赖于范围，100个数字的生成需要5ms。

Answer 1

对于大范围，libstdc ++将使用有效的拒绝算法（在Devroye之后，L。非均匀随机变量生成），但仅当C99 TR1数学可用时（_GLIBCXX_USE_C99_MATH_TR1）。否则，它将回退到一个简单的等待时间方法，它将在该范围内具有线性性能。

我建议检查_GLIBCXX_USE_C99_MATH_TR1的值以及性能是否会在更新版本的g ++中得到改善。

Answer 2

当性能很重要时，您应确保启用优化。

此外，您应该查看可用的随机数引擎，并确保您使用符合性能/尺寸/质量要求的引擎。

如果问题确实是std::binomial_distribution::operator()没有充分执行，则可能必须使用不同的标准库实现，或std::binomial_distribution的替代实现。 boost应该有<random>的替代实现，你可以使用它而不会有太多麻烦，libc ++也有一个替代实现，但它将更难以使用，因为你必须替换整个标准库实施

c ++ 11 STL的binomial_distribution非常慢

更新

2 个答案: