c语言0-1匀分布随机数,C++ generate_canonical均匀分布随机数函数用法详解

标准均匀分布是一个在范围 [0,1) 内的连续分布。generate_canonical() 函数模板会提供一个浮点值范围在 [0,1) 内,且有给定的随机比特数的标准均匀分布。它有 3 个模板参数:浮点类型、尾数的随机比特的个数,以及使用的随机数生成器的类型。函数的参数是一个随机数生成器,因此最后一个模板参数可以推导出来。下面是它可能的用法:

std::vector data(8); // Container with 8 elements

std::random_device rd; // Non-determinstic seed source

std::default_random_engine rng {rd()}; // Create random number generator

std::generate(std::begin(data), std::end(data),[&rng] { return std::generate_canonical (rng); });

std::copy(std::begin(data),std::end(data),std::ostream_iterator {std::cout, " "});

在 lambda 表达式中,被调用的 generate_canonical() 函数被用来作为 generate() 算法的第三个参数。lambda 表达式会返回一个有 12 个随机比特的 double 类型的随机值,因此 generate() 会用这种数据来填充 data 中的元素。执行这些语句会产生如下输出:

0.766197 0.298056 0.409951 0.955263 0.419199 0.737496 0.547764 0.91622

上面的输出说明位数可能我们想要的要多,记住我们只指定了 12 个随机比特。可以按如下方式限制输出:

std::copy(std::begin(data), std::end(data),std::ostream_iterator{std::cout << std::fixed<< std::setprecision (4) , " "});

流操作符被应用到每个输出值,因此现在的输出可能如下所示:

0.8514 0.5707 0.8322 0.6626 0.7026 0.8854 0.5427 0.8886

如果真的想得到这些位,可以用 hexfloat 以十六进制的格式输出这些值。

显然,随机位数越少,可能的随机值的范围越有限。可以通过将位数指定为这个类型的最大值来使范围达到最大。下面是展示如何这么做的代码:

std::vector data; // Empty container

std::random device rd; // Non-determinstic seed source

std::default_random_engine rng {rd()};//Create random number generator

std::generate_n(std::back_inserter(data), 10, [&rng]{return std::generate_canonical::digits>(rng); });

std::copy(std::begin(data), std::end(data),std::ostream_iterator {std:: cout, " "});

std::cout << std::endl;

注意,这和前面的代码有些区别。这次,generate_n() 的第一个参数是 data 容器的 back_insert_iterator,因此可以通过调用它的成员函数 push_back() 来添加元素。generate_canonical() 的第二个模板参数是 numeric_limits 对象的 long double 类型的成员变量的 digits 值。这是这个类型的位数的比特数,因此可以指定这个类型可能的随机比特位的最大个数(在笔者系统上只有 53 个)。笔者得到了这样的输出,但你的可能是不同的:

0.426365 0.0635646 0.208444 0.198286 0.338378 0.490884 0.841733 0.975676 0.193322 0.346017

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
产生均随机数的迭代方法: 假设我们已经有了一个随机数生成器,可以生成 $[0,1]$ 之间均匀分布随机数,那么我们可以通过反复调用该随机数生成器来得到多个均随机数。 例如,我们想要生成 $[a,b]$ 之间的均匀分布随机数,可以先生成 $[0,1]$ 之间的均匀分布随机数 $x$,然后通过线性变换的方法将 $x$ 转换为 $[a,b]$ 之间的随机数: $$ y = a + x \cdot (b - a) $$ 其中 $a$ 和 $b$ 分别是区间的左右端点,$x$ 是 $[0,1]$ 之间的均匀分布随机数,$y$ 是 $[a,b]$ 之间的均匀分布随机数。 代码实现: ```c++ #include <iostream> #include <random> int main() { std::random_device rand_dev; // 从硬件获得种子 std::mt19937 generator(rand_dev()); // 用 Mersenne Twister 算法生成随机数 double a = 0.0, b = 1.0; for (int i = 0; i < 10; ++i) { double x = std::generate_canonical<double, 10>(generator); // 生成 [0,1] 之间均匀分布随机数 double y = a + x * (b - a); // 线性变换 std::cout << y << std::endl; // 输出 [a,b] 之间均匀分布随机数 } return 0; } ``` 产生高斯分布随机数的迭代方法: 高斯分布又称正态分布,是一种在统计学中广泛使用的概率分布。高斯分布的概率密度函数为: $$ f(x) = \frac{1}{\sqrt{2\pi}\sigma} \cdot e^{-\frac{(x-\mu)^2}{2\sigma^2}} $$ 其中 $\mu$ 是均值,$\sigma$ 是标准差。 我们可以使用 Box-Muller 变换或 Ziggurat 算法来生成高斯分布随机数。 Box-Muller 变换是一种基于极坐标系的变换方法,它可以将两个独立的均匀分布随机数转换为两个独立的正态分布随机数。具体实现方法如下: - 生成两个独立的均匀分布随机数 $u_1$ 和 $u_2$,取值范围为 $[0,1]$; - 计算极径 $r$ 和极角 $\theta$:$r = \sqrt{-2\ln u_1}$,$\theta = 2\pi u_2$; - 计算正态分布随机数 $x$ 和 $y$:$x = \mu + \sigma r \cos\theta$,$y = \mu + \sigma r \sin\theta$。 其中 $\mu$ 和 $\sigma$ 分别是高斯分布的均值和标准差。 代码实现: ```c++ #include <iostream> #include <random> #include <cmath> int main() { std::random_device rand_dev; // 从硬件获得种子 std::mt19937 generator(rand_dev()); // 用 Mersenne Twister 算法生成随机数 double mu = 0.0, sigma = 1.0; for (int i = 0; i < 10; ++i) { double u1 = std::generate_canonical<double, 10>(generator); // 生成 [0,1] 之间均匀分布随机数 double u2 = std::generate_canonical<double, 10>(generator); // 生成 [0,1] 之间均匀分布随机数 double r = std::sqrt(-2.0 * std::log(u1)); double theta = 2.0 * M_PI * u2; double x = mu + sigma * r * std::cos(theta); // 正态分布随机数 std::cout << x << std::endl; // 输出正态分布随机数 } return 0; } ``` Ziggurat 算法是一种更高效的生成高斯分布随机数的算法,它利用了高斯分布的对称性和截尾性,可以在常数时间内生成高斯分布随机数。不过实现比较复杂,这里不作详细介绍。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值