c++ - 当我可以将 RNG 传递给分布时，为什么要使用 variate_generator？ (特别是 C++ 和 Boost)

Question

我为什么要这样做:

#include <boost/random.hpp>
#include <ctime>

using namespace boost;

double SampleNormal (double mean, double sigma)
{
    static mt19937 rng(static_cast<unsigned> (std::time(0)));
    normal_distribution<double> norm_dist(mean, sigma);
    variate_generator<mt19937&, normal_distribution<double> >  normal_sampler(rng,         norm_dist);
    return normal_sampler();
}

在我看来代码:

#include <boost/random.hpp>
#include <ctime>

using namespace boost;

double SampleNormal (double mean, double sigma)
{
    static mt19937 rng(static_cast<unsigned> (std::time(0)));
    normal_distribution<double> norm_dist(mean, sigma);
    return norm_dist(rng);
}

应该也能正常工作。

为什么要使用 variate_generator？它所做的是否比第二个示例中所做的更多？

一些背景知识:我正在运行 100 个模拟实例，涉及 10^7 次循环迭代，其中发生随机过程。这意味着我需要非常好的随机数。

Answer 1

无需使用 variate_generator两个代码示例都很好。

variate_generator 只是为了方便，所以您不需要调用 norm_dist(rng)与 rng每次您需要一个新数字时都会争论不休。

如果你构造一个 variate_generator<mt19937&, normal_distribution<double> > normal_distr_rnd_num , 你可以调用 normal_distr_rnd_num()每次您想获得一个新号码。在某些情况下，这可能会使代码更具可读性。

我不确定你想用 SampleNormal(double mean, double sigma) 做什么功能。如果您经常使用 (mean,sigma) 的相同值调用该函数构建这样一个 variate_generator 对象可能是值得的——我们称它为 sample_normal - 然后调用sample_normal()而不是你的功能。

关于数字质量的评论:
数字的质量主要取决于底层的伪随机数算法，即您选择的生成器。 mt19337 的周期为 2^19937-1，这应该足够 10^7 = 2^24(大致)数字，并且两个连续数字之间没有“明显”的相关性。然而，这些数字仍然是由单一的确定性算法产生的。有可能，但不太可能，您的应用程序可能只是证明这种确定性的测试。因此，您还可以改变伪随机数生成器，看看您的应用程序是否使用完全不同的生成伪随机数的方式给出了相同的结果。

我更关心生成器的初始化(播种)。如果您运行 100 个实例，则很容易并行执行此操作。现在，如果您并行运行其中一些，则两个实例可能会同时启动。由于您使用 time() 初始化生成器，这两个实例将使用完全相同的数字进行播种。因此，这两个实例将使用完全相同的随机数序列。

在科学应用中，最好的做法是手动为随机数生成器设置种子(以确保它们使用不同的种子进行初始化)或至少记录/记录使用的种子。通过这种方式，您可以重现伪随机数序列，从而重现程序的结果。