Question

我有下面的代码，我被告知我需要使用不同的种子来生成我的随机数10次，然后平均那些以获得更平滑的图形。我没有太多使用Matlab的经验，因此即使阅读完文档后我也不太了解这些种子是如何工作的。

% Create an array
S = 0:20;
CW = 0:5:100;
S(1) = 0;
CW(1) = 0;

counter = 2;  % Counter for the nuber of S 
N = 20;  % Number of nodes

% Collect data for each increment of 5 up to 100 for CW values
for i = 5:5:100

    T = 10000 / i;  % Total number of cycles

    % Create array of next transmission times for N nodes
    transmission_time = floor(i * rng(1, N)); 
    total_success = 0;

    % Loop for T cycles
    for t = 1:T

        % For 0 to the number of contention windows
        for pos = 0:i-1

           % Count the number of nodes that have the current CW
            count = 0;
            for node = 1:N
               if transmission_time(node) == pos
                   count = count + 1;
               end
            end

            % If there is more than 1, then a collision occurs
            collision = false;
            if count > 1
                collision = true;
            % If there is exactly 1, then there is a success
            elseif count == 1
                total_success = total_success + 1;
            end 

            % If there is a collision, reassign new transmissions times
            if collision == true
                for node = 1:N
                    if node == pos
                        transmission_time(node) = floor(i * rand(1));
                    end
                end
            end
        end
    end

    % Display the ratio of successes
    S(counter) = total_success / (T * i);
    counter = counter + 1;
end

% Plot the graph for Success vs CW
plot(CW, S, 'o-');
xlabel('Contention Window, CW');
ylabel('Throughput, S');

Answer 1

来自matlab doc

频繁重新生成发电机并不能改善统计数据输出的属性并不会使输出更随机真正意义上的。重新启动MATLAB或重新启动时非常有用在运行涉及随机数的大型计算之前。然而，在会话中过于频繁地重新生成发电机并不是一件好事想法，因为您的随机数的统计属性可以受到不利影响。

您不需要在rand使用不同的种子：每次运行时都不会生成相同的数字序列。例如

R = zeros(1e5,1);
for ii = 1:1e5
    R(ii) = rand;
end
Rsorted = sort(R);
dRsorted = diff(Rsorted);
find(dRsorted == 0)

将返回并清空矩阵：rand永远不会在100,000次连续调用中返回相同的随机数。

此外，在您的代码中，有一些错误。第transmission_time = floor(i * rng(1, N));行应为transmission_time = floor(i * rand(1, N));。

如果您想为每个周期使用不同的种子，您可以在第一次使用rand之前添加以下调用：rng(i);。有了它，您将能够控制生成的随机数（rand将产生可预测的数字序列）。

Answer 2

确实如果你有某种模拟，用相同的随机数多次运行它是没用的。基本上有两种解决方案：

<强> 1。非常简单，不会产生可重复的结果

在代码开头，将rng设置为基于now的内容。

这样每次都会有不同的结果。

<强> 2。简单和推荐，可生成可重复的结果

如果你每次从模拟中得到不同的结果（从而允许你平均），那么你可以循环地模拟你的模拟，并且结果仍可以重现。

请注意，通常如果您想减少模拟的波动性，您不需要多次运行它，但可以让它运行更长时间。

Answer 3

拥有单个流并简单生成10倍的数据样本似乎更为直接。但是，如果要并行提取，可以创建10个具有不同种子的随机流，例如，可以使用parfor。如果您仍在寻找一种方法，我知道有两种记录良好的方法：

任何流类型的多个流
Substreams代表'mrg32k3a'和'mlfg6331_64'类型

多个流

首先创建一个包含10个不同种子流的单元格数组的示例：

s = 0:9;
r = arrayfun(@(t)RandStream('mcg16807','Seed',t),s,'uni',false); % RandStreams

在s中使用相同的种子将给出确定性模拟，它总是给出相同的结果。也就是说，

>> r = arrayfun(@(t)RandStream('mcg16807','Seed',t),s,'uni',false);
>> r{1}.rand
ans =
          0.21895918632809
>> r{2}.rand
ans =
         0.512908935785717
>> clear r
>> r = arrayfun(@(t)RandStream('mcg16807','Seed',t),s,'uni',false);
>> r{1}.rand
ans =
          0.21895918632809
>> r{2}.rand
ans =
         0.512908935785717

存储在单元格数组RandomStream中的r个实例具有以下常用方法：rand，randn，randi和randperm。 reset方法将启动相同的随机数序列。

如果您不希望模拟具有确定性，但在某种意义上更随机，您可以通过未记录的 {{1}基于时间创建不同的种子向量s方法：

shuffleSeed

并重新生成流。

子

子流尝试在随机数流中均匀分布种子（或＃34;检查点＆＃34;）。然而，据称子流的真正好处只是简单的再现性。这似乎最简单，因为您只需创建一个流并在需要时切换到不同的流。例如，

s = zeros(1,10);
for i=1:numel(s), s(i)=RandStream.shuffleSeed; end

然后改变子流并获得更多样本：

>> stream = RandStream('mrg32k3a');
>> stream.get('Substream')
ans =
 1
>> samps1 = stream.rand(1,20);  % some samplesfrom substream 1

但请注意，这仍然无法改善样本的随机性：

你不必担心＆＃34;用完＆＃34;在移动到下一个子流之前，每个子流中的所有值，但是每次生成新值时，采取另一个极端并跳转到不同的子流是没有意义的。子流不会增加随机性，只是让重现价值更容易。

因此，我不认为在您的应用程序中使用多个随机数流/种子生成随机数。

Answer 4

抱歉所有的困惑。我认为你们中的一些人说得对，我不需要生成不同的流。

在上面的代码中有一行显示“if node == pos”，这是不正确的，应该是“if transmission_time（node）== pos”。

这一行是导致我的图表全部失控的原因。我还需要为成功的数据包生成新的随机数。

感谢您的所有建议！我现在知道更多关于随机性如何在Matlab中使用种子了！

在Matlab中，如何生成10个随机种子？

4 个答案:

多个流

子