Question

要检查我的C ++代码，我希望能够让Boost :: Random和Matlab生成相同的随机数。

因此对于Boost，我使用代码：

boost::mt19937 var(static_cast<unsigned> (std::time(0)));
boost::uniform_int<> dist(1, 6);
boost::variate_generator<boost::mt19937&, boost::uniform_int<> > die(var, dist);
die.engine().seed(0);     
for(int i = 0; i < 10; ++i) {
    std::cout << die() << " ";
}      
std::cout    << std::endl;

产生（每次运行程序）：
4 4 5 6 4 6 4 6 3 4

对于matlab，我使用：

RandStream.setDefaultStream(RandStream('mt19937ar','seed',0));
randi(6,1,10)

产生（每次运行程序）：
5 6 1 6 4 1 2 4 6 6

这是奇怪的，因为两者都使用相同的算法和相同的种子。我错过了什么？

似乎Python（使用numpy）和Matlab在随机统一数字中似乎具有可比性： Matlab的

RandStream.setDefaultStream（RandStream（ 'mt19937ar'， '种子'，203））;兰特（1,10）

0.8479 0.1889 0.4506 0.6253 0.9697 0.2078 0.5944 0.9115 0.2457 0.7743

的Python： random.seed（203）; random.random（10）

array([ 0.84790006, 0.18893843, 0.45060688, 0.62534723, 0.96974765, 0.20780668, 0.59444858, 0.91145688, 0.24568615, 0.77430378])

C ++升压

0.8479 0.667228 0.188938 0.715892 0.450607 0.0790326 0.625347 0.972369 0.969748 0.858771

这与其他Python和Matlab值相同......

Answer 1

使用

这样的界面

randi(6,1,10)

将对随机生成器的原始结果应用某种转换。这种转换 is not trivial in general 和Matlab几乎肯定会做出与Boost不同的选择步骤。

尝试比较来自RNG的原始数据流 - 它们可能是相同的

Answer 2

我必须同意其他答案，并指出这些发电机不是“绝对的”。根据实施，它们可能产生不同的结果。我认为最简单的解决方案是实现自己的生成器。它可能看起来令人生畏（Mersenne twister肯定是顺便说一句）但是看看Xorshift，这是一个非常简单但功能强大的。我复制了维基百科链接中给出的C实现：

uint32_t xor128(void) {
  static uint32_t x = 123456789;
  static uint32_t y = 362436069;
  static uint32_t z = 521288629;
  static uint32_t w = 88675123;
  uint32_t t;

  t = x ^ (x << 11);
  x = y; y = z; z = w;
  return w = w ^ (w >> 19) ^ (t ^ (t >> 8));
}

要拥有相同的种子，只需将所需的值放入int x，y，z，w（我相信除了（0,0,0,0））。您只需要确保Matlab和C ++对这些unsigned int使用32位。

Answer 3

如果这有助于任何对此问题感兴趣的人：

为了获得Twister算法的相同行为：

下载文件 http://www.math.sci.hiroshima-u.ac.jp/~m-mat/MT/MT2002/CODES/mt19937ar.c

请尝试以下操作：

#include <stdint.h>

// mt19937ar.c content..

int main(void)
{
    int i;
    uint32_t seed = 100;
    init_genrand(seed);
    for (i = 0; i < 100; ++i)
        printf("%.20f\n",genrand_res53());
    return 0;
}

确保在matlab中生成相同的值：

RandStream.setGlobalStream( RandStream.create('mt19937ar','seed',100) );
rand(100,1)

randi()似乎只是ceil( rand()*maxval )

Answer 4

感谢Fezvez的回答我在matlab中写过xor128：

function [ w, state ] = xor128( state )
%XOR128 implementation of Xorshift
%   https://en.wikipedia.org/wiki/Xorshift
%   A starting state might be [123456789, 362436069, 521288629, 88675123]

  x = state(1);
  y = state(2);
  z = state(3);
  w = state(4);

  % t1 = (x << 11)
  t1 = bitand(bitshift(x,11),hex2dec('ffffffff'));

  % t = x ^ (x << 11)
  t = bitxor(x,t1);

  x = y;
  y = z;
  z = w;

  % t2 = (t ^ (t >> 8))
  t2 = bitxor(t, bitshift(t,-8));

  % t3 = w ^ (w >> 19)
  t3 = bitxor(w, bitshift(w,-19));

  % w = w ^ (w >> 19) ^ (t ^ (t >> 8))
  w = bitxor(t3, t2);

  state = [x y z w];
end

每次使用时都需要将状态传递给xor128。我写了一个＆＃34;测试员＆＃34;只返回带有随机数的向量的函数。我测试了这个函数输出的1000个数字对cpp和gcc输出的值，它是完美的。

function [ v ] = txor( iterations )
%TXOR test xor128, returns vector v of length iterations with random number
% output from xor128

% output
v = zeros(iterations,1);

state = [123456789, 362436069, 521288629, 88675123];


i = 1;

while i <= iterations
    disp(i);

    [t,state] = xor128(state);
    v(i) = t;

    i = i + 1;
end

Answer 5

我会非常小心地假设伪随机生成器的两种不同实现（即使基于相同的算法）产生相同的结果。可能有一个实现使用某种调整，因此产生不同的结果。如果您需要两个相等的“随机”分布，我建议您预先计算序列，存储和访问C ++和Matlab，或者创建自己的生成器。如果在Wikipedia上使用伪代码，那么实现MT19937应该相当容易。

注意确保Matlab和C ++代码在相同的体系结构上运行（即，无论是在32位还是64位上运行） - 在一个实现中使用64位整数，在另一个实现中使用32位整数导致不同的结果。

如何让Boost :: random和Matlab产生相同的随机数

5 个答案: