Question

所以我试图创建一个“真正的”随机函数，因为rand不是随机的imo。

你认为这是获得随机数的“好方法”吗？如果不是，为什么？

int realrand() {
  double duration = 0;
  int i = 0;
  std::clock_t start;
  start = std::clock();

  while(duration < 0.001) {
    i++;
    duration = ( std::clock() - start ) / (double) CLOCKS_PER_SEC;
  }

  int rand = i % 10;

  return rand;
}

Answer 1

两件事。

您的随机数生成器真的慢。

在我的笔记本电脑上计算C ++ 11和C样式rng 10000次约需0.016秒。将代码添加到混合中会将成本提高到 10秒！

您正在创建的随机数的分布很糟糕。

         You        C++11      rand()

0:       9615       9007       9006
1:       9143       9086       9008
2:       8650       8929       8958
3:       7907       9094       9114
4:       7943       9022       9021
5:       8098       8968       9005
6:       8676       8991       8810
7:       9970       8946       8903
8:      10061       8908       9094
9:       9938       9050       9082

让我们在直方图中显示这些数据。请注意，C和C ++实现在每个存储桶中具有大约相同数量的元素。另一方面，您的代码显然更喜欢输出0,7,8或9。

以下是我用来确定这个问题的一些代码：

#include <random>
#include <map>

int realrand() {
        double duration = 0;
        int i = 0;
        std::clock_t start;
        start = std::clock();

        while(duration < 0.001) {
                i++;
                duration = ( std::clock() - start ) / (double) CLOCKS_PER_SEC;
        }

        int rand = i % 10;

        return rand;
}

int cpprand() {
        static std::random_device rd;
        static std::mt19937 rng(rd());
        static std::uniform_int_distribution<> dist(0, 9);
        return dist(rng);
}

int crand() {
        static int once = []() {
                srand(time(NULL));
                return 0;
        }();

        return rand() % 10;
}

int main() {
        std::map<int, int> realrand_distribution;
        std::map<int, int> cpprand_distribution;
        std::map<int, int> crand_distribution;

        for (int i=0; i<10000; ++i) {
                realrand_distribution[realrand()]++;
                cpprand_distribution[cpprand()]++;
                crand_distribution[crand()]++;
        }

        for (int i=0; i<10; ++i) {
                printf("%d: %10d %10d %10d\n", i, realrand_distribution[i], cpprand_distribution[i], crand_distribution[i]);
        }
}

这是我用来生成直方图的代码：

import numpy
import pylab

x = numpy.arange(10)
width = 0.27

rects1 = pylab.bar(x+0*width, [9615, 9143, 8650, 7907, 7943, 8098, 8676, 9970, 10061, 9938], width, color='r')
rects2 = pylab.bar(x+1*width, [9007, 9086, 8929, 9094, 9022, 8968, 8991, 8946, 8908,  9050], width, color='b')
rects3 = pylab.bar(x+2*width, [9006, 9008, 8958, 9114, 9021, 9005, 8810, 8903, 9094,  9082], width, color='g')
pylab.legend([rects1, rects2, rects3], ["You", "C++", "C"])
pylab.show()

Answer 2

要获得随机数（优于rand() / random() / etc），您需要使用库。有很多可用的东西，而C ++使一些基本的东西变得容易。

如上所述，std::random_device存在问题。不幸的是，比人们意识到的更多。

如果你想要真正随机的数字，你现在最好使用特定于系统的方法来获取它们：Mac和Linux上的/dev/urandom以及Windows上的CryptoAPI。

你可以轻松地使用TRNG初始化（“种子”）PRNG，如XORShift，Mersenne Twister等。如果你需要CSPRNG，请使用加密库，但是对于其他所有这些都可以。

如果可以避免，请不要从时钟播种。它远没有人们想象的那么“随机”。无论你做什么，都要忽略使用带有PID等的哈希值的废话。

希望这有帮助。

这是获取随机数的好方法吗？如果不是，为什么？

2 个答案: