在C++11之前,现有的随机数函数都存在一个问题:在利用循环多次获取随机数时,如果程序运行过快或者使用了多线程等方法,srand((unsigned)time(null))这样的设置当前系统时间为种子的方法每次返回的随机数都是一样的。而C++11中提供了真随机数做种子的方法来解决这一问题。
random_device
标准库提供了一个非确定性随机数生成设备.在Linux的实现中,是读取/dev/urandom设备;Windows的实现是用rand_s,使用的是操作系统来生成加密安全的伪随机数
随机数生成算法:
随机数生成算法有很多,C++11之前的C/C++只用了一种。C++11则提供下面三种可供选择:
linear_congruential_engine线性同余法
mersenne_twister_engine梅森旋转法
substract_with_carry_engine滞后Fibonacci
这三种算法,在C++11里面都是用模板的方式实现的。如果我们要使用这三个模板类的话,就必须自己实例化之。但这些实例化参数都是这些算法里面使用到的参数,如果不懂算法的原理的话,真的不知道需要用什么参数才能得到比较好的随机序列。所以我们这些卑微的码农是用不了这些模板类的。C++11标准也想到了这点,所以就帮我们预定义了一些随机数类,这些随机数类都是用比较好的参数实例化上面那三个模板类。注意:在C++11里面,把这些随机数生成器叫做引擎(engines)。
下图列出了一些实例化的随机数类:
当然具体用了哪些参数,我们是不用管的,直接用就行了。
在上图的左上角,还可以看到一个default_random_engine的类。它也是一个实例化的类。之所以不归入那三种算法,是因为它的实现是由编译器厂家决定的,有的可能用linear_congruential_engine实现,有的可能用mersenne_twister_engine实现。这种现象在C/C++中见多了。不过,对于其他的类,C++11是有明确规定用哪种算法和参数实现的。
实例
#include<iostream>
#include<random>
usingstd::cout;
usingstd::endl;
usingstd::cin;
int main()
{
std::default_random_engine random;
for(int i = 0; i < 20; ++i)
cout<<random()<<' ';
cout<<endl;
return 0;
}
C++11中,随机数都是定义在random头文件中的。除了default_random_engine,其他的那些实例化随机数类的名字都是怪怪的,所以还是这个好用。从例子中可以看到,是通过operator ()函数来获取下一个随机数。
对srand熟悉的码农们肯定发现,这里没有使用到随机数种子。其实这里使用了默认种子,默认种子的值可以通过这类的公共静态常量default_seed来获取。如果想为这个类设置自己的种子的话,那么可以通过在构造函数中传入一个参数。也可以在构造之后调用seed()成员函数设置种子。
产生均匀分布的随机数:
上面例子产生的随机数会比较大,如果我们只想产生0到100的随机数。
我们平常说产生随机数,隐含是意思是产生均匀分布的随机数。学过概率论的同学都知道,除了均匀分布还有很多分布,比如正态分布、泊松分布等等。之前在网上看过网友怎么用rand()函数产生的随机数制作这些分布。现在这工作不用码农做了,C++11标准都提供了这些分布。
C++11提供的均匀分布模板类为:uniform_int_distribution和uniform_real_distribution。前一个模板类名字中的int不是代表整型,而是表示整数。因为它是一个模板类,可以用int、long、short等整数类型来实例化。后一个表示浮点数模板类,可以用float和double来实例化。使用例子如下:
#include <iostream>
#include <random>
#include <chrono>
using namespace std;
int main()
{
//std::default_random_engine random(chrono::steady_clock::now().time_since_epoch().count());
//直接使用 random_device 作为随机数种子
std::default_random_engine random(random_device());
std::uniform_int_distribution<int> dis1(0, 100);
std::uniform_real_distribution<double> dis2(0.0, 1.0);
for (int i = 0; i < 10; ++i)
cout << dis1(random) << ' ';
cout << endl;
for (int i = 0; i < 10; ++i)
cout << dis2(random) << ' ';
cout << endl;
return 0;
}
可以看到,在uniform_int_distribution的构造函数中,参数说明了随机数的范围。uniform_int_distribution的随机数的范围不是半开范围[ ),而是[ ],对于uniform_real_distribution却是半开范围[ )。也是就是说上面的例子中,能产生100,但不会产生1.0。不得不说,这颠覆了之前的认识。对于default_random_engine来说,其产生的随机数范围是在[min(), max()]之间,其中min()和max()为它的两个成员函数。同样,也是非半开范围。对于浮点数,如果真的是想产生[0.0, 1.0]范围的数,可以使用
#include<cmath>
#include<cfloat>
std::uniform_real_distribution<double> dis2(0, std::nextafter(1,DBL_MAX));
如果uniform_int_distribution使用了无参构造函数,那么其随机数的范围是[0,numberic_limits::max()],也就是0到对应实例化类型能表示的最大值。对于uniform_real_distribution的无参构造函数,则是[0, 1)。
mt19937
当你第一眼看到这玩意儿的时候
肯定禁不住吐槽:纳尼?这是什么鬼?
确实,这个东西鲜为人知,但是它却有着卓越的性能
简介
mt19937是c++11中加入的新特性
它是一种随机数算法,用法与rand()函数类似
但是具有速度快,周期长的特点(它的名字便来自周期长度:2^19937-1)
说的直白一点,我们都知道rand()在windows下生成的数据范围为0-32767
但是这个函数的随机范围大概在(−maxint,+maxint)
实例
这个东西用法非常简单
#include<random>
#include<ctime>
std::mt19937 rnd(time(0));
int main()
{
printf("%lld\n",rnd());
return 0;
}
概率分布类型:
C++11提供的概率分布类型有下面这些:
均匀分布:
uniform_int_distribution 整数均匀分布
uniform_real_distribution 浮点数均匀分布
伯努利类型分布:(仅有yes/no两种结果,概率一个p,一个1-p)
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 distributions:
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
正态分布相关:
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
分段分布相关:
discrete_distribution离散分布
piecewise_constant_distribution分段常数分布
piecewise_linear_distribution分段线性分布
这些概率分布函数都是有参数的,在类的构造函数中把参数传进去即可。
下面是一个泊松分布的例子
#include<iostream>
#include<random>
#include<time.h>
#include<iomanip>
intmain()
{
const int nrolls = 10000; // number ofexperiments
const int nstars = 100; // maximum number of stars to distribute
int parameter = 4;
std::minstd_rand engine(time(NULL));
std::poisson_distribution<int>distribution(parameter);
int p[20]={};
for (int i=0; i<nrolls; ++i)
{
int number = distribution(engine);
if (number < 20)
++p[number];
}
std::cout << "poisson_distribution"<<parameter<< std::endl;
for (int i=0; i < 20; ++i)
std::cout<<std::setw(2)<< i<< ": " << std::string(p[i]*nstars/nrolls, '*') <<std::endl;
return 0;
}