Question

我试图找到一种实现统一（0,1）分布的有效方法。由于我必须生成大量样本，所以选择mt19937作为引擎。我正在使用boost库中的版本。我的问题是：使用引擎本身的输出与使用uniform_real_distribution之间的区别是什么？

选项＃1

std::random_device rd;
boost::mt19937 gen(rd());
boost::random::uniform_real_distribution<double> urand(0, 1);

for ( int i = 0; i < 1E8; i++ ) {
    u = urand(gen);
}

选项＃2

std::random_device rd;
boost::mt19937 gen(rd());

for ( int i = 0; i < 1E8; i++ ) {
    u = (double) gen()/gen.max();
}

从我的测试来看，在运行时方面，选项＃2比选项＃1好得多。我有什么理由选择＃2选项＃1？

Answer 1

我不知道urand()的基本实现，但是使用除法的结果可能会产生低阶位的偏差作为量化效应。如果gen.max()不大，那么＆＃34;低阶位＆＃34;可能是结果的很多或大部分。

性能差异可能来自产生适当分布的随机数。如果double对您的需求过于精确，那么使用float可能会让它更有效地运行。

Answer 2

我的问题是：使用引擎本身的输出与使用uniform_real_distribution之间的区别是什么？

在您的第一个选项中，urand()的范围为[0,1)，而您的第二个选项的范围为[0,1]（如果boost::mt19937::min() == 0，通常会保留）。

mt19937和uniform_real_distribution

2 个答案: