跨平台可重现的数字生成器

Question

我需要一个“随机”数生成器，它可以在Windows、Mac、Linux、iOS和Android上对于给定的种子产生相同的结果。我尝试了std::rand和boost::random_int_generator与boost::mt19937，但遗憾的是在Windows和Mac之间的结果是不同的。

是否有人知道一个（C ++）实现，在所有平台上都能可靠地工作？

编辑1: 更具体地说，boost::mt19937在Windows和Mac上的数字之间存在差异，其中在Windows上生成了(2)个额外的数字块。这看起来非常奇怪，因为这些块只出现在Windows中，其余的大部分数字都是相同的。

编辑2: boost::mt19937在所有平台上都可以可靠地工作。我们的问题并不是因为那里有错误。

- abergmeier

---

Mersenne Twister 怎么样？ - transistor09

boost::mt19937应该提供一致的结果，你能否提供一个最小完整可验证示例？ - Shafik Yaghmour

@ShafikYaghmour 很遗憾还没有。请查看编辑部分以获取更好的问题描述。稍后我会尝试创建一个小例子。 - abergmeier

Answer 1

如果您不需要太高质量的随机数生成器，您可以根据此处的描述自己实现一个一行代码的随机数生成器：https://en.wikipedia.org/wiki/Linear_congruential_generator 最近线性同余生成器名声很差，但对于许多实际目的来说它们还是可以的。

只要您小心地使用仅保证大小的类型（uint32_t等），在所有平台上都应该没问题。

如果您需要更好质量的随机数生成器，再次，您可以自己实现Mersenne Twister (https://en.wikipedia.org/wiki/Mersenne_Twister)，但它会更加复杂。

另一种方法是使用AES（或任何其他块密码，例如Chacha20）以CTR模式（使用一些预定义的密钥）作为您的伪随机数发生器；它将是最好已知的（加密）质量:-)。这不会占用您过多编码时间，但您需要链接AES实现（它们广泛可用）。

编辑：示例伪代码以说明基于密码学的PRNG：

class CryptoBasedPRNG {

 uint128_t key;
 uint128_t count;

 CryptoBasedPRNG(whatever-type seed) {
   //derive key and initial counter from seed
   //  we'll be using SHA256, but any other split should do (like odd bits/even bits of seed)
   uint256_t sha = sha256(seed);
   key = low_128bits(sha);
   count = high_128bits(sha);
  }

  uint128_t random_128_bits() {
    count += 1;//with wraparound
    return aes128(key,count);//encrypting 'count' as input data for aes128 (in ECB mode, if anybody asks about mode at this point)
  }
}

相当简单且非常随机。

- No-Bugs Hare

---

boost::mt19937 不就是 Mersenne Twister 的实现吗？ - abergmeier

@abergmeier：是的，但OP说它在Mac和Windows上产生不同的结果 :-(。 - No-Bugs Hare

Answer 2

你可能想尝试PCG-Random，它来自于http://www.pcg-random.org/，它具有不错、快速、可移植等优点。

- Severin Pappadeux

---

这个问题涉及跨平台数字生成，但我在您提供的链接页面中没有看到相关内容。 - unlut

@unlut 嗯，PCG-Random 被认为是跨平台可重现的高质量随机数生成器。 - Severin Pappadeux

我看到它确实是这样的（至少对于整数），在检查后，但是这在文档中有说明吗？我认为我应该在不查看库的内部情况下获得这些信息。 - unlut

@unlut 嗯，这里有一篇论文 https://www.cs.hmc.edu/tr/hmc-cs-2014-0905.pdf 描述了相关特性。NumPy 将 PCG XSL RR 128/64 (LCG) 作为默认的随机数生成器。 - Severin Pappadeux

Answer 3

不同的数字导致我们使用了一段glm代码。这些数字使用了未确定的参数排序，这对于几乎随机的目的来说很好，但是当你想要确定性数字时就不行了（显然）。因此，我们为了我们的目的纠正了代码，并成功地在Windows、Mac、Linux、Android和iOS上使用了boost::mt19937。对于造成的困惑我们感到抱歉。

- abergmeier