C++初学者指南-5.标准库(第二部分)–随机数生成

C++初学者指南-5.标准库(第二部分)–随机数生成

基本概念

#include <random>
random_engine_type engine {seed};
distribution_type distribution {parameters,…};
auto random_value = distribution(engine);

随机性的来源与分布是解耦的。

• 随机数是由分布产生的
• 分布使用均匀随机位引擎作为随机性源

此设计的优点

• 没有单个全局状态，可以使用多个独立的随机引擎
• 新的分发类型可以使用现有引擎
• 可以更改随机性源，同时保持分布类型 （例如，将确定性引擎更改为使用硬件熵的引擎）

例子

统一随机数

#include <random>
// fixed seed(固定种子)
auto const seed = 123;
// Mersenne Twister random engine(梅森旋转随机引擎):
std::mt19937 urbg {seed};  
// generate random ints ∈ [1,6](生成1-6之间的随机整数)
std::uniform_int_distribution<int> distr1 {1, 6};
auto const value1 = distr1(urbg);
auto const value2 = distr1(urbg);
// generate random floats ∈ [-1.2,6.25)(生成-1.2到6.25之间的随机浮点数)
std::uniform_real_distribution<float> distr2 {-1.2f, 6.25f};
auto const value3 = distr2(urbg);

运行示例代码

布尔值（“抛硬币”）

#include <random>
auto const seed = 123;
auto urbg = std::mt19937 {seed};  
// unfair coin (40% 'true'):
double const p = 0.4;  
auto flip = std::bernoulli_distribution{p};
if (flip(urbg))  // 40% chancecout << "heads\n";
else  // 60% chancecout << "tails\n";

运行示例代码

正态分布

#include <random>
auto const seed = 123;
auto urbg = std::mt19937 {seed};  
double const mu = 4.0; 
double const sigma = 0.7; 
auto norm = std::normal_distribution<double>{mu,sigma};
auto value = norm(urbg);

运行示例程序

具有独立概率的整数

#include <random>
auto const seed = std::random_device{}();
auto urbg = std::mt19937{seed};  
std::vector<double> ws {1.0, 1.5, 0.5, 2.0};
std::discrete_distribution<int> distr {begin(ws), end(ws)};
std::vector<int> histo (ws.size(), 0);
int const N = 100000;
for (int k = 0; k < N; ++k) {auto const i = distr(urbg);++histo[i];
}
std::cout << "Histogram:\n";
for (auto x : histo) {auto const size = int(30 * x/double(N));cout << std::string(size,'-') << "o\n";
}

运行示例程序

怎么做

种子引擎

• 使用一个整数类型的 engine_type::result_type
• 或使用种子序列
• 在构造函数中： engine_type { seed }
• 或者使用成员函数  .seed( seed };

#include <random>
#include <chrono>  // clocks
auto e = std::mt19937{};
// seed engine with a constant
e.seed(123);
// … or with system clock ticks
auto const ticks = std::chrono::system_clock::now().time_since_epoch().count();
e.seed(ticks);
// … or with hardware entropy
auto const hes = std::random_device{}();
e.seed(hes);
// … or with a seed sequence
std::seed_seq s {1,5,3,7,0,9};
e.seed(s);
auto distr = std::uniform_real_distribution{-11.0, 15.3};
cout << distr(e) << '\n';

运行示例代码

使用自定义生成器

Lambda生成器

• 在 lambda 捕获中初始化引擎和分发
• 重要：lambda 必须标记为 mutable 因为内部状态 引擎和分配需要随着每次调用而改变

#include <random>
auto const seed = std::random_device{}();
auto coin_flip = [// init-capture engine + distribution:urbg = std::mt19937{seed},distr = std::bernoulli_distribution{0.5}
]() mutable -> bool { return distr(urbg); };
// use generator:
cout << coin_flip() << '\n';
auto roll = [urbg = std::mt19937{seed},distr = std::uniform_int_distribution<int>{1,6}
]() mutable -> int { return distr(urbg); };
cout << roll() << '\n';

运行示例程序

自定义生成器类
如果需要对参数进行更多控制

#include <random>
class DiceRoll {using engine_type = std::mt19937;// engine + distribution as members:engine_type urbg_;std::uniform_int_distribution<int> distr_;
public:using seed_type = engine_type::result_type;// constructor:explicit DiceRoll (int sides, seed_type seed = 0) noexcept: urbg_{seed}, distr_{1,sides} {}// allows to re-seedvoid seed (seed_type s) noexcept { urbg_.seed(s); }// call operator:int operator () () noexcept { return distr_(urbg_); }
};int main () {auto const seed = std::random_device{}();DiceRoll roll_d20 {20, seed};std::cout << roll_d20() << '\n';
}

运行示例程序

shuffle算法

cppreference

#include <algorithm>
#include <random>
// 32 bit mersenne twister engine
auto const seed = std::random_device{}();
auto reng = std::mt19937{seed};
std::vector<int> v {0,1,2,3,4,5,6,7,8};
shuffle(begin(v)+2, begin(v)+7, reng);  
for (int x : v) { cout << x <<' '; }  // 0 1 … 7 8

运行示例代码

分布类型概述

通用接口

构造

• distribution_type distr; // with default params
• distribution_type distr { parameter_object };
• distribution_type distr { parameter1, parameter2,… parameterN };

生成值
auto random_value = distribution_object(engine_object);

常见访问器

• distr.min() → smallest obtainable value(可获得的最小值)
• distr.max() → largest obtainable value(可获得的最大值)
• distr.param() → parameter object(参数对象)
• distr.reset() : reset internal state(复位内部状态)

参数对象

• distribution_type::param_type pars { parameter1, parameter2,… parameterN };
• distribution_type distr1 { pars };
• distribution_type distr2 { pars };
• distribution_type distr3 { distr1.param() };

分布-特定参数访问器
distr.a() .b()  .m() .n() .s()  .alpha() .beta()  .lambda() .mean() .stddev() …

均匀分布

采样分布

伯努利分布

正态分布

泊松分布

概览表

引擎类型概述

通用引擎接口

线性同余引擎
std::minstd_rand0 // 1969 by Lewis, Goodman, Miller
std::minstd_rand // 1993 by Park, Miller, Stockmeyer
std::linear_congruential_engine

梅森旋转引擎
std::mt19937 // 32-bit, Matsumoto and Nishimura, 1998
std::mt19937_64 // 64-bit, Matsumoto and Nishimura, 2000
std::mersenne_twister_engine

带进位的减法引擎
std::ranlux24_base
std::ranlux48_base
std::subtract_with_carry_engine

引擎适配器
std::discard_block_engine
std::independent_bits_engine
std::shuffle_order_engine
基于适配器的引擎：
std::ranlux24 // discard_block_engine
std::ranlux48 // discard_block_engine
std::knuth_b // shuffle_order_engine

std::default_random_engine
取决于编译器/平台；通常是线性同余生成器。

非确定性熵源
std::random_device
表示一个非确定性随机数生成器，例如，使用硬件熵源。
如果没有可用的非确定性熵源，标准库的实现可以使用伪随机数引擎作为random_device。
测试设备是否真正是非确定性的:

std::random_device rd;
bool non_deterministic = rd.entropy() >  0;
bool deterministic     = rd.entropy() == 0;
auto distr = std::uniform_real_distribution{-1.0,1.0};
auto num = distr(rd);

注意：一些（较旧的）标准库实现尽管其随机设备是非确定性的，但仍然返回0。

相关内容

Random Generator: Combining Engine + Distribution
Random Number Sequences: Control Reproducibility
cppreference: Pseudo-Random Number Generation
cppreference: std::generate_canonical
What C++ Programmers Need to Know about Header  (Walter E. Brown, 2016)

附上原文链接
如果文章对您有用，请随手点个赞，谢谢！^_^