Question

在我目前的C ++ 11项目中，我需要执行M模拟。对于每个模拟m = 1, ..., M，我使用std::mt19937对象随机生成数据集，构造如下：

std::mt19937 generator(m);
DatasetFactory dsf(generator);

根据https://stackoverflow.com/a/15509942/1849221和https://stackoverflow.com/a/14924350/1849221，Mersenne Twister PRNG受益于热身阶段，目前我的代码中没有。为方便起见，我提出了建议的代码片段：

#include <random>

std::mt19937 get_prng() {
    std::uint_least32_t seed_data[std::mt19937::state_size];
    std::random_device r;
    std::generate_n(seed_data, std::mt19937::state_size, std::ref(r));
    std::seed_seq q(std::begin(seed_data), std::end(seed_data));
    return std::mt19937{q};
}

我的问题是我需要结果的可重复性，即在不同的执行中，对于每次模拟，数据集必须是相同的。这就是为什么在我目前的解决方案中，我使用当前的模拟种子Mersenne Twister PRNG。在我看来，使用std::random_device会阻止数据相同（AFAIK，这是std::random_device的确切目的）。

编辑 不同的执行我的意思是重新启动可执行文件。

如何在不影响重复性的情况下在代码中引入上述预热阶段？感谢。

可能的解决方案＃1

这是基于@SteveJessop的第二个提案的暂定实施

#include <random> std::mt19937 get_generator(unsigned int seed) { std::minstd_rand0 lc_generator(seed); std::uint_least32_t seed_data[std::mt19937::state_size]; std::generate_n(seed_data, std::mt19937::state_size, std::ref(lc_generator)); std::seed_seq q(std::begin(seed_data), std::end(seed_data)); return std::mt19937{q}; }

可能的解决方案＃2

这是基于@SteveJassop和@AndréNeve共同贡献的暂定实施。 sha256功能改编自https://stackoverflow.com/a/10632725/1849221

#include <openssl/sha.h> #include <sstream> #include <iomanip> #include <random> std::string sha256(const std::string str) { unsigned char hash[SHA256_DIGEST_LENGTH]; SHA256_CTX sha256; SHA256_Init(&sha256); SHA256_Update(&sha256, str.c_str(), str.size()); SHA256_Final(hash, &sha256); std::stringstream ss; for(int i = 0; i < SHA256_DIGEST_LENGTH; i++) ss << std::hex << std::setw(2) << std::setfill('0') << (int)hash[i]; return ss.str(); } std::mt19937 get_generator(unsigned int seed) { std::string seed_str = sha256(std::to_string(seed)); std::seed_seq q(seed_str.begin(), seed_str.end()); return std::mt19937{q}; }

编译：{{1}}

Answer 1

两个选项：

按照您的提议进行操作，但不要使用std::random_device r;为MT生成种子序列，而是使用另一种种子m的PRNG。当与小种子数据一起使用时，选择一个不像MT一样需要预热的一个：我怀疑LCG可能会这样做。对于大规模的过度杀伤，您甚至可以使用基于安全哈希的PRNG。如果您已经听说过，这很像密码学中的“关键拉伸”。实际上，您可以使用标准键拉伸算法，但是您使用它来生成长种子序列而不是大键材料。
继续使用m为您的MT播种，但discard在开始模拟之前会有大量恒定的数据。也就是说，忽略建议使用强大的种子，而是运行MT足够长的时间，以达到一个体面的内部状态。我不知道您需要丢弃多少数据，但我希望互联网能够丢弃。

Answer 2

我认为您只需要存储初始种子（在您的情况下为std::uint_least32_t seed_data[std::mt19937::state_size]数组）和您所做的预热步骤的数量n（例如，如上所述使用discard(n) ）对于您希望重现的每次运行/模拟。

使用此信息，您始终可以创建新的MT实例，使用之前的seed_data对其进行播种，并针对相同的n预热步骤运行它。这将生成相同的值序列，因为当实例结束时，MT实例将具有相同的内部状态。

当您提到影响可重复性的std::random_device时，我相信在您的代码中它只是用于生成种子数据。如果您将其用作随机数本身的源，那么您将无法获得可重现的结果。由于您仅使用它来生成种子，因此应该没有任何问题。如果要重现值，每次都无法生成新的种子！

从std::random_device：

的定义

“std :: random_device是一个均匀分布的整数随机数生成器，它产生非确定性随机数。”

因此，如果它不是确定性的，则无法重现由它产生的值序列。话虽如此，使用它简单地生成好的随机种子，只是为了重新运行它们。

希望这有帮助

编辑：

在与@SteveJessop讨论之后，我们得出的结论是，数据集（或其中的一部分）的简单散列足以用作您需要的合适种子。这允许每次运行模拟时生成相同种子的确定性方法。正如@Steve所提到的，与std::mt19937::state_size相比，您必须保证散列的大小不会太小。如果它太小，那么你可以连接m，m + M，m + 2M的哈希值......直到你有足够的数据，正如他所建议的那样。

我在这里发布更新的答案，因为使用哈希的想法是我的，但我会赞成@ SteveJessop的回答，因为他为此做出了贡献。

Answer 3

对您链接的答案之一的评论表明：

巧合的是，默认的C ++ 11 seed_seq是Mersenne Twister预热序列（尽管现有的实现，例如libc ++的mt19937，在提供单值种子时使用更简单的预热）

因此，您可以使用std::seed_seq的当前固定种子为您进行热身。

std::mt19937 get_prng(int seed) {
    std::seed_seq q{seed, maybe, some, extra, fixed, values};
    return std::mt19937{q};
}

Mersenne twister热身与再现性

可能的解决方案＃1

可能的解决方案＃2

3 个答案: