Question

我希望以可预测的方式生成随机种子。

我希望这样做

seed = 12345
prng_0 = random.Random(seed)
prng_1 = random.Random(prng_0.rand_int(0))

在那里，0是下限，但事实证明我也需要给它一个上界。我不想设置固定的上限。

如果您对我的理由感到好奇，我这样做是因为我在测试时需要重复性。也就是说，这是一个接收种子并构建其prng prng_0的函数，然后多次调用另一个需要每次都接收不同种子的函数。

def funct_a(seed=None):
    prng_1 = random.Random(seed)
    prng_2 = numpy.random.RandomState(prng_1.randint(0, 4294967296))
    print(prng_1.random())
    print(prng_2.random())

def funct_b(seed=None):
    prng_0 = random.Random(seed)
    for i in range(0, 5):
        seed = prng_0.randint(0)  # not working, needs upper bound
        funct_a(seed)

funct_b(12345)  # test call

编辑：有趣的是，numpy（我也在使用）有一个明确的上部种子值，由doc和此错误证明

ValueError：Seed必须介于0和4294967295之间

Answer 1

当我不想要上限时，我会经常使用sys.maxint作为近似值的上限

Answer 2

你无法避免上限。没有一个代码怎么工作？这就是代码在x和y之间生成随机数的方式：

0______________________________________________r__________________________________________1

r是0和1之间的随机小数。这是使用固定算法生成的。

然后，它需要r并将其乘以上限减去下限。这几乎意味着0变为x，1变为y。如果rand是随机数，r : (1 - 0) :: rand : (y - x)

编辑：实际上是一种生成没有上限的随机数的方法，但它不是对数的，也不是均匀分布的。看看这个python算法：

import random
def randint():
    i = 0
    while True:
        if random.random() < 0.5: # Or whatever other probability you want
            return i
        else:
            i += 1

差不多，这样做是从零开始，然后每次有0.5次返回该数字的概率;否则它会继续。

这意味着它为0的概率为0.5，1为25％，2为12.5％，3为5.25％等。这是“没有上限”的对数分布。

生成没有上限

2 个答案: