Question

我有一个有趣的问题，即

通过在标准库（或任何其他随机生成器）中使用着名的mersenne twister std::mt19937 r并使用种子r.seed(4)进行设置，例如，可以获得均匀随机生成的数字（在uint_fast32_t提供的范围内。

如果我们从1到100遍历种子并生成第一个随机数，究竟会发生什么？这个序列是否仍然均匀分布？

for(int i = 0;i<100;i++){
   r.seed(i);
   int v = r();
}

我有一些算法通过使用这个技巧更容易实现，而不是以通常的方式生成数字（每次都不重置种子）。

我实际上并不相信通过滥用这样的发生器，可以保持序列的均匀性。

有没有人有专业知识给出一些推理？

非常感谢！

Answer 1

此代码按照您的说法执行，在每个数字生成之间重置种子：

#include <iostream>
#include <random>

int main ()
{
    std::mt19937 r; 

    for(int i = 0;i<10;i++){
       r.seed(i);
       int v = r();
        std::cout << v << std::endl;
    }
    return 0;
}

此计划的输出确定性。您不断重置每一代之间的状态（此状态用于生成下一个随机数）。您完全不能保证从不同的mersenne序列生成的数字的分布或均匀性（同样，每次重置种子时都会启动一个新序列）。

如果您的目标是生成限制在某个时间间隔内的统一分布，请使用std::uniform_real_distribution：

Example from en.cppreference.com：

#include <random>
#include <iostream>

int main()
{
    std::random_device rd;
    std::mt19937 gen(rd());
    std::uniform_real_distribution<> dis(1, 2);
    for (int n = 0; n < 10; ++n) {
        std::cout << dis(gen) << ' ';
    }
    std::cout << '\n';
}

它在C ++标准中定义，§26.5.8.2.2部分：

uniform_real_distribution随机数分布产生随机数字x，a≤x< b，按常数分配概率密度函数p（x | a，b）= 1 /（b - a）

使用连续种子生成均匀的随机数？

1 个答案: