GSL中的随机数生成

随机数生成

    本库提供了大量随机数生成器，可以通过统一接口访问它们。通过改变环境变量，允许您在运行时选择不同的生成器和种子，这样您就可以在生成器之间轻松切换，而不需要重新编译程序。生成器的每个实例都跟踪自己的状态，从而允许在多线程程序中使用生成器。其他函数用于将均匀随机数转换为连续或离散概率分布(如高斯分布、对数正态分布或泊松分布)的样本。

     这些函数都声明在头文件gsl_rng.h中。

18.1 关于随机数的一般性意见

1988年，帕克和米勒写了一篇题为《随机数生成器:好的很难找到》的论文。[Commun.: ACM, 31, 1192-1201]。幸运的是，一些优秀的随机数生成器是可用的，但仍普遍使用一些较差的生成器。您可能对计算机上系统提供的随机数生成器感到满意，但是您应该意识到，随着计算机速度的加快，对随机数生成器的需求也会增加。如今，一个调用了数百万次随机数生成器的模拟程序，往往在你穿过大厅到达咖啡机并返回之前就已经完成了。

皮埃尔·莱克耶写了一篇关于随机数生成器的非常好的评论，在《模拟手册》的第4章，杰里·班克斯编辑 (Wiley, 1997)。本章可以在莱克耶的ftp站点的postscript中找到(参见参考资料)。Knuth关于半数值算法的书(最初出版于1968年)用了170页来描述随机数生成器，最近在其第三版(1997年)中进行了更新。这是一部杰出的经典之作。如果你没有这本书，你应该马上停止阅读，跑到最近的书店去买。

一个好的随机数生成器将同时满足理论和统计特性。理论特性通常很难获得(它们需要真正的数学计算!)，但是人们更喜欢具有长周期、低序列相关性和不是“主要落在飞机上”的趋势的随机数生成器。用数值模拟进行了统计试验。通常情况下，随机数产生器用于估计某个数量，而概率论为该数量提供了精确的答案。与这个确切答案的比较提供了一种“随机性”的衡量标准。

18.2 随机数生成器接口

    重要的是要记住，随机数生成器不是像正弦或余弦那样的“实”函数。与实际函数不同，对随机数生成器的连续调用产生不同的返回值。当然，这正是随机数生成器所需要的，但是要实现这种效果，生成器必须跟踪某种“状态”变量。有时，这个状态只是一个整数(有时只是前面生成的随机数的值)，但通常情况下，它要复杂得多，可能涉及整个数字数组，可能还会抛出一些索引。要使用随机数生成器，您不需要知道组成状态的细节，除此之外，不同的算法还会有所不同。

gsl_rng_type

gsl_rng

随机数生成器库使用两个特殊的结构体，gsl_rng_type保存关于每种生成器类型的静态信息，gsl_rng描述从给定gsl_rng_type创建的生成器的实例。

本节描述的函数都生命在头文件gsl_rng.h中。

18.3 随机数生成器的初始化

gsl_rng * gsl_rng_alloc(const gsl_rng_type * T)

    本函数根据随机数生成器类型T新建一个实例，并返回它的指针。例如，下面的代码创建了一个陶斯沃思生成器的实例：

gsl_rng * r = gsl_rng_alloc (gsl_rng_taus);

如果没有足够的内存来创建生成器，那么函数将返回一个空指针，并使用错误代码GSL_ENOMEM调用错误处理程序。

使用默认种子gsl_rng_default_seed自动初始化生成器。默认情况下这是零，但是可以直接更改，也可以使用环境变量GSL_RNG_SEED更改。

本章后面将介绍可用生成器类型的详细信息。

void gsl_rng_set(const gsl_rng * r, unsigned long int s)

本函数初始化(或“种子”)随机数生成器。如果生成器在两次不同的运行中被赋予相同的s值，则通过对下面例程的连续调用将生成相同的随机数流。如果提供不同的s≥1值，那么生成的随机数流应该是完全不同的。如果种子s为零，则使用原始实现中的标准种子。例如，ranlux生成器的原始Fortran源代码使用了314159265的种子，因此在使用gsl_rng_ranlux时，选择s = 0可以复制这个种子。

在同一生成器中使用多个种子时，请选择大于零的种子值以避免与默认设置冲突。

注意，大多数生成器只接受32位种子，更高的值被约去模232。对于范围较小的生成器，最大种子值通常会更小。

void gsl_rng_free(gsl_rng * r)

本函数释放生成器r的相关内存。