多线程的随机数
问题 我打算为 Linux 编写一个 C++11 应用程序，它基于大约一百万个伪随机 32 位数字进行一些数值模拟(不是密码学).为了加快速度，我想使用台式机 CPU 的所有内核在并行线程中执行模拟.我想使用 Mersenne Twister mt19937 由 boost 作为 PRNG 提供，我想出于性能原因我应该每个线程有一个这样的 PRNG.现在我不确定如何为它们播种以避免在多个线程
..
mersenne-twister相关内容
std::mt19937 需要预热吗?
我读到许多伪随机数生成器需要许多样本才能“预热".使用 std::random_device 播种 std::mt19937 时是这种情况，还是我们可以期望它在构建后准备就绪?有问题的代码: #include std::random_device rd;std::mt19937 gen(rd()); 解决方案 Mersenne Twister 是一种基于移位寄存器的 pRNG(伪随机数生成器
..
如何从 rand() 缩小数字?
以下代码每秒输出一个随机数: int main(){srand(时间(空))；//带有执行时间的种子数生成器.而(真){int rawRand = rand();std::cout
..
线程安全梅森捻线机
寻找线程安全的随机生成器我找到了一个mersenne twister生成器类，作者说如果线程安全: http://www.umiacs.umd.edu/~yangcj/mtrnd.html 但是在研究了代码之后，我看不出它是否是安全线程.那里没有任何类型的锁或任何类似于锁变量的东西. 这个实现真的是线程安全的吗?如果是这样，魔法是什么? 解决方案 它似乎是线程安全的，因为
..
array_rand 是否使用 Mersenne Twister 算法?
在 PHP 中，我们可以选择 mt_rand() 和rand() 其中 mt_rand() 使用梅森Twister 算法和 rand() 使用 libc 随机生成器. 我想使用 array_rand.但是，array_rand 是否使用 Mersenne Twister 算法? 使用 mt_rand 实现我自己的 array_rand 非常简单，但如果 array_rand 使用 Me
..
从给定的种子在 C++ 中生成相同的随机数序列
我正在使用 mt19937 从给定的种子中生成一个随机字符串，如下所示: std::string StringUtils::randstring(size_t 长度, uint64_t 种子) {静态自动&chrs = "abcdefghijklmnopqrstuvwxyz";thread_local 静态 std::mt19937 rg(种子)；thread_local 静态 std::uni
..
有C ++ 11 CSPRNG吗?
我们知道，梅森·扭转者在影像学上是不安全的: Mersenne Twister不是加密安全的.(MT是基于线性递归.由a生成的任何伪随机数序列线性递归是不安全的，因为从足够长的子序列开始可以预测其余的输出.) 但是许多来源，例如 Stephan T. Lavavej 甚至是此网站.像这样使用梅森绞肉机的建议几乎总是(普通): auto engine = mt19937 {rando
..
将双精度四舍五入到单精度:强制上限
我正在使用Mersenne Twister实现，它为我提供了双精度数字. http://www.math.sci.hiroshima-u.ac.jp/~m-mat/MT/VERSIONS/FORTRAN/fortran.html (多田刚义在Fortran 77中实现，我使用的是genrand_real2) 但是，我的应用程序为了避免在将具有不同精度的数字相乘时出现警告，需要一个单个精度的
..
随机数发生器的上限
这实际上是上一个问题的后续问题: 双精度到单精度的舍入:强制上限 我以为上一个问题的答案解决了我的问题之后，我尝试再次运行程序，发现我也遇到了同样的问题. 我正在使用的Mersenne Twister实现会生成一个有符号的32位随机整数. 实现RNG的家伙使用此函数来生成范围为[0,1)的随机双精度浮点数: function genrand_real2() dou
..
特定C ++随机数生成的Clang性能下降
使用C ++ 11的随机模块，将 std :: mt19937 （32位和64位版本）与 uniform_real_distribution （浮动或双精度，无所谓）。与g ++编译相比，它的速度要慢一个数量级！ 罪魁祸首不仅仅是mt生成器，因为它在 uniform_int_distribution 。这不是 uniform_real_distribution 的普遍缺陷，因为对于其他生成器
..
mt19937和Uniform_real_distribution
我正在尝试找到一种有效的方法来实现均匀的(0,1)分布.由于必须生成大量样本，因此我选择mt19937作为引擎.我正在使用boost库中的版本.我的问题是:使用引擎本身的输出与使用uniform_real_distribution之间有什么区别? 选项1 std::random_device rd; boost::mt19937 gen(rd()); boost::random::un
..
如何在C语言中使用Mersenne Twister随机数生成库?
我想使用Mersenne Twister C库之一(例如我已经通过mtwist软件包实现了这一目标，但是通过pjs的注释，我已经意识到这是错误的方法: #include #include #include "mtwist.h" int main() { uint32_t random_value; random_value = m
..
CUDA的Mersenne Twister用于任意数量的线程
Mersenne Twister(MT)随机数生成器的CUDA实现仅限于256和200个块/网格的最大线程/块数，即最大线程数是51200 因此，无法启动使用MT的内核 kernel>>(devMTGPStates, ...) 其中 int blocksPerGrid = (n+threadsPerBlock
..
C ++ 11从频繁变化的范围生成随机数
问:如何从a未知范围生成(许多)均匀分布的整数?就性能(数百万个生成的数字)而言，首选的方式是什么? 上下文:在我的应用中，我必须在许多地方生成许多伪随机数.我为生成器使用单例模式，以保持应用程序运行的可重复性.在我的情况下，分发始终是统一的，但是问题是，要以C ++ 11样式预先创建分发对象，可能有太多的范围. 我尝试过的方法:有两种明显的解决方案，第一是拥有一次性分配对象，第二是使
..
蒙特卡罗模拟的最佳种子mt19937_64的播种方式
我正在开发一个运行蒙特卡洛模拟的程序；具体来说，我使用的是Metropolis算法.该程序需要生成数十亿个“随机"数.我知道Mersenne扭曲器在蒙特卡洛模拟中非常受欢迎，但是我想确保以最好的方式播种生成器. 目前，我正在使用以下方法计算32位种子: mt19937_64 prng; //pseudo random number generator unsigned long see
..
PHP的mt_rand如何播种?
我知道PHP的mt_rand()不应出于安全目的使用，因为其结果在密码学上不强.然而，许多PHP代码只是这样做，或者在没有更好的随机性来源的情况下将其用作备用. 那它有多糟? mt_rand用于播种的随机性有哪些来源?密码应用程序的mt_rand还有其他安全问题吗? 解决方案 在PHP 5.4中，如果第一次使用mt_rand时会自动为其添加种子( mt_rand背后的RNG算法是 M
..
用于集群环境的伪随机数生成器
如何在群集上生成独立的伪随机数，例如进行蒙特卡洛模拟?我可以有许多计算节点(例如100个)，并且我需要在每个节点上生成数百万个数字.我需要保证一个节点上的PRN序列不会与另一节点上的PRN序列重叠. 我可以在根节点上生成所有PRN，然后将它们发送到其他节点.但这太慢了. 我可以在每个节点上按顺序跳到一个已知的距离.但是，对于Mersenne-Twister或其他任何良好的PRNG，是否有这
..
Mersenne Twister在Python中的开源实现?
在Python中是否可以使用Mersenne Twister和其他良好的随机数生成器实现良好的开源实现?我想用于数学和自然科学专业的教学吗?我也在寻找相应的理论支持. 编辑: Mersenne Twister的源代码可以很多种语言(例如C(random.py)或伪代码(Wikipedia))获得，但是我在Python中找不到. 解决方案 Mersenne Twister 是标准pyt
..
为什么numpy和random模块对同一种子给出不同的随机数?
对于同一种子，为什么与numpy.random()相比，random.random()会产生不同的随机值.我的理解是，他们俩都使用Mersenne Twister来生成随机值. import random as rnd import numpy as np rnd.seed(1) np.random.seed(1) rnd.random() np.random.rnd() 0.134
..
如何获取NumPy随机数生成器的当前种子?
以下代码导入NumPy并设置种子. import numpy as np np.random.seed(42) 但是，我对设置种子不感兴趣，但对阅读它更感兴趣. random.get_state()似乎不包含种子. 文档没有明显的答案. 假设没有手动设置，如何检索numpy.random使用的当前种子? 我想使用当前的种子继续进行下一个过程迭代. 解决方案 简短的答案
..