1.C++中獲取隨機(jī)數(shù)的幾種方法

隨機(jī)數(shù)基本概念

隨機(jī)數(shù)：在一定范圍內(nèi)[a, z]，每個(gè)數(shù)出現(xiàn)的概率相等并且無(wú)法預(yù)測(cè)下一個(gè)數(shù)的數(shù)值序列。

偽隨機(jī)數(shù)生成器(PRNG)

• 原理：由一個(gè)狀態(tài)寄存器和一個(gè)更新函數(shù)組成，初始狀態(tài)由種子決定，更新?tīng)顟B(tài)會(huì)根據(jù)當(dāng)前狀態(tài)生成下一個(gè)狀態(tài)，并輸出一個(gè)偽隨機(jī)數(shù)
• 種子：偽隨機(jī)數(shù)生成器的初始值，決定了隨機(jī)數(shù)開(kāi)始時(shí)的狀態(tài)，由于隨機(jī)數(shù)基于算法與隨機(jī)數(shù)生成器初始時(shí)的狀態(tài)產(chǎn)生隨機(jī)序列，因此相同的種子產(chǎn)生完全相同的隨機(jī)序列

2. C++中獲取隨機(jī)數(shù)

2.1 基本流程

設(shè)置隨機(jī)數(shù)種子

獲取隨機(jī)數(shù)(整數(shù)、浮點(diǎn)數(shù))

2.2 隨機(jī)數(shù)種子來(lái)源

time() 函數(shù)

獲取當(dāng)前時(shí)間戳，在多線程場(chǎng)景下，由于time函數(shù)的精度有限，可能產(chǎn)生相同的種子，生成相似的隨機(jī)序列

std::random_device

是一個(gè)非確定性的隨機(jī)數(shù)源，從操作系統(tǒng)或硬件設(shè)備重獲取真正的隨機(jī)信息

2.3獲取隨機(jī)數(shù)

C cstdlib庫(kù)中rand函數(shù)

#include <ctime>
#include <cstdlib>
#include <iostream>

int main() {
    // 設(shè)置隨機(jī)數(shù)種子
    std::srand(time(nullptr));
    std::cout << "RAND_MAX" << RAND_MAX << std::endl;
    for (int i=0; i<10;++i) {
        // 獲取隨機(jī)數(shù)
        std::cout << "random value: " <<  rand() <<  std::endl;
        // 通過(guò) % 取余獲取指定范圍的隨機(jī)數(shù)
        std::cout << "random range 1 100: " << rand() % 100 << std::endl;
    }
};

C++ random庫(kù) (c++11)

#include <random>
#include <iostream>

int main() {
    // 指定種子
    std::default_random_engine engine(std::random_device{}());
    int count = 10;
    // 指定范圍：整數(shù)
    std::uniform_int_distribution<int> rand_int_generator(0, 100);
    for (int i=0; i<10; ++i) {
        std::cout << "int random value:" <<  rand_int_generator(engine) << std::endl;
    }
    
    // 指定范圍：浮點(diǎn)數(shù)
    std::uniform_real_distribution<double> rand_double_generator(0, 1);
    for (int i=0; i<10; ++i) {
        std::cout << "double random value:" <<  rand_double_generator(engine) << std::endl;
    }
};

隨機(jī)性要求較高使用 std::mt19937作為引擎

#include <random>
#include <iostream>

int main() {
    // 指定種子
    std::mt19937 engine(std::random_device{}());
    int count = 10;
    // 指定范圍：整數(shù)
    std::uniform_int_distribution<int> rand_int_generator(0, 100);
    for (int i=0; i<10; ++i) {
        std::cout << "int random value:" <<  rand_int_generator(engine) << std::endl;
    }

    // 指定范圍：浮點(diǎn)數(shù)
    std::uniform_real_distribution<double> rand_double_generator(0, 1);
    for (int i=0; i<10; ++i) {
        std::cout << "double random value:" <<  rand_double_generator(engine) << std::endl;
    }
};

3. Mersenne Twister (馬特賽特旋轉(zhuǎn)算法)

3.1工作原理

Mersenne Twister 算法維護(hù)一個(gè)內(nèi)部狀態(tài)向量，這個(gè)向量的長(zhǎng)度通常為 n個(gè)w -bit 的字。對(duì)于最常見(jiàn)的 MT19937 版本，n=624且w=32

初始化

首先使用一個(gè)種子（可以是任意整數(shù)）初始化內(nèi)部狀態(tài)向量。通常會(huì)對(duì)種子進(jìn)行一些處理，將其擴(kuò)展到內(nèi)部狀態(tài)向量的長(zhǎng)度

狀態(tài)更新

• 通過(guò)一個(gè)復(fù)雜的位操作函數(shù)對(duì)狀態(tài)向量進(jìn)行更新，這個(gè)函數(shù)被稱為 “twist” 操作。在 MT19937 中，它使用了一系列的移位、異或和與操作，將狀態(tài)向量中的元素進(jìn)行混合和更新
• 經(jīng)過(guò)多次 “twist” 操作，狀態(tài)向量中的元素會(huì)以一種復(fù)雜的方式發(fā)生變化，保證了下一個(gè)隨機(jī)數(shù)的不可預(yù)測(cè)性

隨機(jī)數(shù)提取

從更新后的狀態(tài)向量中提取隨機(jī)數(shù)。通常使用一個(gè)函數(shù)將狀態(tài)向量中的元素映射到所需的輸出范圍。例如，對(duì)于生成 32 位的隨機(jī)數(shù)，直接使用狀態(tài)向量中的元素，而對(duì)于生成小于 32 位的隨機(jī)數(shù)，則會(huì)對(duì)狀態(tài)向量中的元素進(jìn)行適當(dāng)?shù)慕財(cái)嗷蛭徊僮鱽?lái)生成所需的隨機(jī)數(shù)

3.2 特點(diǎn)

1.長(zhǎng)周期

Mersenne Twister 的周期通常是 2^19937-1，這是一個(gè)巨大的數(shù)字，使得生成的隨機(jī)數(shù)序列非常長(zhǎng)，能夠避免在實(shí)際應(yīng)用中出現(xiàn)周期短導(dǎo)致的重復(fù)序列問(wèn)題

2.高維均勻分布

生成的隨機(jī)數(shù)在高維空間中具有良好的均勻分布特性，這對(duì)于需要多個(gè)隨機(jī)數(shù)進(jìn)行模擬或計(jì)算的情況非常重要

3.隨機(jī)性質(zhì)量高

通過(guò)復(fù)雜的位操作和狀態(tài)轉(zhuǎn)移函數(shù)來(lái)產(chǎn)生隨機(jī)數(shù)，克服了一些簡(jiǎn)單隨機(jī)數(shù)生成器（如線性同余發(fā)生器）的缺點(diǎn)，如生成的隨機(jī)數(shù)序列的可預(yù)測(cè)性和低質(zhì)量

到此這篇關(guān)于C++中獲取隨機(jī)數(shù)的常用方法小結(jié)的文章就介紹到這了,更多相關(guān) C++獲取隨機(jī)數(shù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論