C++11随机数分布在不同平台上不一致--有哪些替代方案？

Question

C++11随机数分布在不同平台上不一致--有哪些替代方案？

c++c++11boostrandomlibstdc++

18

我正在寻找一组可移植的分发版本，用于标准C++11引擎，如`std::mt19937' (请参见http://en.cppreference.com/w/cpp/numeric/random)。

引擎实现表现一致（即在不同平台上生成相同的序列 - 在Clang和MSVC下进行了测试），但是似乎在不同平台上实现了不同的分布。

因此，即使引擎产生相同的序列，也似乎分布（例如，std::normal_distribution<double>）在不同平台上使用不同数量的样本（即产生不同的结果），这在我的情况下是不可接受的。

也许有第三方库遵循C++11随机模板，但可以在流行的平台上提供一致的值吗（查看GCC、MSVC和Clang / llvm的支持）。

到目前为止，我看过的选项有：

Boost.random（有点重，但值得，因为它与c++11对应物相当匹配）
克隆自libstd++ （也值得，可能是可移植的，但提取特定函数可能不简单）
创建自己的类似于C++11的随机分布

我需要均匀、正常、泊松和瑞利。

- Arno Duvenhage

2

你需要的是boost随机数库吗？ - shuttle87

@shuttle87，我已经在逐步清除代码库中的所有boost依赖，所以不太想再引入boost库了。 - Arno Duvenhage

@shuttle87 Boost.Random能否保证在不同平台上产生相同的结果？ - Arno Duvenhage

请注意，“C++11模板”实际上是由您的编译器提供的模板。这些受版权保护！通常这不是问题，因为您可以使用与匹配编译器一起使用的标准库。但是，您不能只是将GCC发行版与MSVC或反之互用。 - MSalters

1

遇到了这个链接：http://www.johndcook.com/blog/cpp_random_number_generation/ 看起来非常完整，但是我需要适配分布以与C++11引擎一起使用。 - Arno Duvenhage

显示剩余6条评论

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Arno Duvenhage · Accepted Answer

我已经创建了自己的C++11发行版：

template <typename T>
class UniformRealDistribution
{
 public:
    typedef T result_type;

 public:
    UniformRealDistribution(T _a = 0.0, T _b = 1.0)
        :m_a(_a),
         m_b(_b)
    {}

    void reset() {}

    template <class Generator>
    T operator()(Generator &_g)
    {
        double dScale = (m_b - m_a) / ((T)(_g.max() - _g.min()) + (T)1); 
        return (_g() - _g.min()) * dScale  + m_a;
    }

    T a() const {return m_a;}
    T b() const {return m_b;}

 protected:
    T       m_a;
    T       m_b;
};

template <typename T>
class NormalDistribution
{
 public:
    typedef T result_type;

 public:
    NormalDistribution(T _mean = 0.0, T _stddev = 1.0)
        :m_mean(_mean),
         m_stddev(_stddev)
    {}

    void reset()
    {
        m_distU1.reset();
    }

    template <class Generator>
    T operator()(Generator &_g)
    {
        // Use Box-Muller algorithm
        const double pi = 3.14159265358979323846264338327950288419716939937511;
        double u1 = m_distU1(_g);
        double u2 = m_distU1(_g);
        double r = sqrt(-2.0 * log(u1));
        return m_mean + m_stddev * r * sin(2.0 * pi * u2);
    }

    T mean() const {return m_mean;}
    T stddev() const {return m_stddev;}

protected:
    T                           m_mean;
    T                           m_stddev;
    UniformRealDistribution<T>  m_distU1;
};

均匀分布似乎可以提供不错的结果，而正态分布则可以提供非常好的结果：

100000个值 -> 1σ内68.159％; 2σ内95.437％; 3σ内99.747％。

正态分布使用Box-Muller方法，根据我目前所读到的，这并不是最快的方法，但对于我的应用程序来说，它运行得足够快。

均匀分布和正态分布都应该适用于任何C++11引擎（已测试std :: mt19937），并且在所有平台上提供相同的序列，这正是我想要的。