C++11随机数简介

目录

随机数简介

随机数引擎

随机分布

随机数应用

---

C++11之前随机数都是使用C函数库rand来生成，此函数生成均匀分布的伪随机数（0~32767）；C++11中对随机数生成进行增强。

随机数简介

C++11在<random>中定义了一组类用于实现随机数：

• 随机数引擎类：生成随机数

• 随机数分布类：生成满足指定分布的随机数

随机数引擎

标准库提供了一个非确定性随机数生成设备random_device，能产生min()~max()间的一个数字（一般只用作种子，调用代价相对较高：因其产生随机数时会依赖于熵池中的噪声资源，必须等待收集到足够多的噪声才能产生新的种子）：

• Linux的实现是读取/dev/urandom设备；

• Windows的实现是用rand_s,使用操作系统来生成加密安全的伪随机数；

C++11中常用来做伪随机数算法的有以下几种：

• linear_congruential_engine线性同余法：速度最快、也常用；

• mersenne_twister_engine梅森旋转法：生成的随机数质量比较高；

• substract_with_carry_engine滞后Fibonacci法；

此外default_random_engine是一个实例化的类。它的实现是由编译器厂家决定的，可能用linear_congruential_engine也可能用mersenne_twister_engine实现。常用操作方法：

• seed(s)：使用种子s重置引擎；

• min()/max()：引擎生成的最大、最小值；

• discard(n)：将引擎推进n步（即丢弃n个随机数）；

• operator()：获取下一个随机数；

random_device rd;
default_random_engine rg{rd()}; // 若不用rd()初始化，则每次生成的随机数都是一样的
for(size_t i=0; i<10; i++)
    cout << rg() << ", ";

随机分布

通过随机分布模板，可以生成满足指定分布特性的随机数。

• 均匀分布：uniform_int_distribution（整数，返回[low,upper]）和uniform_real_distribution（浮点数，返回[low,upper)）；

• 伯努利类型分布：bernoulli_distribution（伯努利分布）、binomial_distribution（二项分布）、 geometry_distribution（几何分布）、negative_biomial_distribution（负二项分布）；

• Rate-based分布：poisson_distribution（泊松分布）、exponential_distribution（指数分布）、gamma_distribution（伽马分布）、weibull_distribution（威布尔分布）、extreme_value_distribution（极值分布）；

• 正态分布：normal_distribution（正态分布）、chi_squared_distribution（卡方分布）、cauchy_distribution（柯西分布）、fisher_f_distribution（费歇尔F分布）、student_t_distribution（t分布）

• 分段分布：discrete_distribution（离散分布）、piecewise_constant_distribution（分段常数分布）、piecewise_linear_distribution（分段线性分布）；

通过随机分布与随机引擎组合，即可方便产生符合指定分布的随机数。

随机数应用

编写一个简单随机数生成类，可以生成单个或一组随机数：

class XRand{
protected:
  random_device m_rd;
  default_random_engine m_re{m_rd()};
  // mt19937 m_re{m_rd()}; 

public:
  int operator()(){
    return Next();
  }

  virtual int Next(){
    return m_re();
  }

  vector<int> Next(int nCount){
    vector<int> vec;
    std::generate_n(back_inserter(vec), nCount, [this](){return Next();});
    return vec;
  }
}

生成满足均匀分布的随机数：

class XUniformRand:public XRand{
  uniform_int_distribution<> m_uni;

public:
  explicit XUniformRand(int nMax, int nMin=0)
    : m_uni{nMin, nMax} {}
  using XRand::Next;

  virtual int Next() override {
    return m_uni(m_re);
  }
}

生成满足正态分布的随机数：

class XNormalRand:public XRand{
  normal_distribution<> m_nor; // 生成的都是浮点数

public:
  explicit XNormalRand(int nMean, int nstddev=1)
    : m_nor{nMean, nstddev} {}
  using XRand::Next;

  virtual int Next() override {
    return (int)m_nor(m_re);
  }
}