Question

我找不到很多关于discrete_distribution的Boost版本的文档。经过大量的Google搜索，我仍然找不到这个类的方法列表，以及它们中的任何一个是否可以重新分配概率。

就我而言，我正在编写一个进化动力学算法。在每个时间步骤，可以随机选择群体成员以死亡或繁殖。因此，我的离散分布中的条目总数几乎每次迭代都会发生变化。

我想在模拟开始之前定义一个我定义的对象，称为gillespie_dist（管理此Gillespie算法的离散分布）。但是我希望，在每次迭代结束时，可能会更改特定值和/或向gillespie_dist添加新值，特别是不希望每次迭代都创建离散分布的新实例。

这是一个很好的方法。是否存在将新值推送到discrete_distribution对象的方法，用于更改特定索引处的分布值的方法，或者更好的方法是，使用向量迭代器提到的方法“重新初始化”整个分布{{3 }}？

Answer 1

我查看了std :: discrete_distribution的gcc libstdc ++ 4.7实现的代码。

权重在私有成员中存储为vector<double>。在公共接口中无法访问其resize方法。

我会尝试挖掘它的operator（）的实现（它在cpp中看起来像），滚动你自己应该没问题。

以下是主要操作，以及我的解释：

  template<typename _IntType>
    void
    discrete_distribution<_IntType>::param_type::
    _M_initialize()
    {
      if (_M_prob.size() < 2)
        {
          _M_prob.clear();
          return;
        }

      const double __sum = std::accumulate(_M_prob.begin(),
                                           _M_prob.end(), 0.0);
      // Now normalize the probabilites.
      __detail::__transform(_M_prob.begin(), _M_prob.end(), _M_prob.begin(),
                          std::bind2nd(std::divides<double>(), __sum));
      // Accumulate partial sums.
      _M_cp.reserve(_M_prob.size());
      std::partial_sum(_M_prob.begin(), _M_prob.end(),
                       std::back_inserter(_M_cp));
      // Make sure the last cumulative probability is one.
      _M_cp[_M_cp.size() - 1] = 1.0;
    }

  template<typename _IntType>
    template<typename _UniformRandomNumberGenerator>
      typename discrete_distribution<_IntType>::result_type
      discrete_distribution<_IntType>::
      operator()(_UniformRandomNumberGenerator& __urng,
                 const param_type& __param)
      {
        if (__param._M_cp.empty())
          return result_type(0);

        __detail::_Adaptor<_UniformRandomNumberGenerator, double>
          __aurng(__urng);

        const double __p = __aurng();
        auto __pos = std::lower_bound(__param._M_cp.begin(),
                                      __param._M_cp.end(), __p);

        return __pos - __param._M_cp.begin();
      }

所以基本上它在初始化时计算辅助矢量_M_cp，它实质上是权重的一个分离的累积密度函数。因此，生成样本只意味着生成一个统一的随机变量，并在累积分布中搜索第一个出现的变量（这是上面的 lower_bound 调用），返回其索引。

例如，如果权重向量是：

{ 1, 2, 1, 3 }

然后将cp计算为：

{ 1, 1+2, 1+2+1, 1+2+1+3 }
=
{ 1, 3, 4, 7 }

所以我从0..6统一选择并获得4，所以我选择第三个。

Answer 2

经过大量的Google搜索，我仍然无法找到方法列表这个类有，以及它们中的任何一个是否可以重新分配概率。

http://www.boost.org/doc/html/boost/random/discrete_distribution.html

和

void param(const param_type & param);

设置分布的参数。

boost :: random :: discrete_distribution是否可动态调整大小？

2 个答案: