在Python中生成多个独立的随机流

Question

我希望在Python中生成多个随机数流。我正在编写一个用于模拟队列系统的程序，希望有一个流用于到达时间，另一个流用于服务时间等。

numpy.random() 从全局流中生成随机数。

在Matlab中有称为RandStream的东西，它使我能够创建多个流。

是否有办法在Python中创建类似于RandStream的东西？

- Mina Edward

---

你是出于方差降低的目的吗？ - pjs

Answer 1

Numpy和内部随机生成器都有可实例化的类。

对于只使用random：

import random
random_generator = random.Random()
random_generator.random()
#>>> 0.9493959884174072

对于Numpy：

import numpy
random_generator = numpy.random.RandomState()
random_generator.uniform(0, 1, 10)
#>>> array([ 0.98992857,  0.83503764,  0.00337241,  0.76597264,  0.61333436,
#>>>         0.0916262 ,  0.52129459,  0.44857548,  0.86692693,  0.21150068])

- Veedrac

---

@Atcold "这个模块提供的函数实际上是一个隐藏实例 random.Random 类的绑定方法。您可以实例化自己的 Random 实例来获得不共享状态的生成器。" - https://docs.python.org/3/library/random.html - Veedrac

但是如何生成独立的流？连续的种子是否保证有效？ - Praveen

@Praveen 如果你只是想要不同的流，请使用 random.Random()。如果你想为可重现性进行种子处理，则任何不同的种子都可以。 - Veedrac

@RafaelAlmeida 这是一个病态的例子，而且这里有几个原因不适用。1）我们只生成两个序列，所以这些序列很快就会失去相关性，而不是从许多连续序列中取样一个样本，2）Python的种子生成具有哈希步骤来修复相关性，3）你永远不会从像Mersenne Twister这样的平庸生成器中获得理想的独立性；使用更好的随机数生成器（最好是加密的），如果有问题就不要使用固定的种子。我同意使用更大、更高熵的种子更具风险规避性。 - Veedrac

值得注意的是，C#似乎正在使用减法生成器，看起来很糟糕。 - Veedrac

Answer 2

您不需要使用RandomGen包。只需初始化两个流即可。例如：

import numpy as np
prng1 = np.random.RandomState()
prng2 = np.random.RandomState()
prng1.seed(1)
prng2.seed(1)

现在，如果您使用 prngX.rand() 推进这两个流，您会发现两个流将给出相同的结果，这意味着它们是带有相同种子的独立流。

要使用 random 包，只需将 np.random.RandomState() 替换为 random.Random() 即可。

- 6etacat

Answer 3

为了使结果可重现，您可以直接向random.Random()传递种子，然后从那里调用变量。每个初始化的实例将独立于其他实例运行。例如，如果您运行：

import random
rg1 = random.Random(1)
rg2 = random.Random(2)
rg3 = random.Random(1)
for i in range(5): print(rg1.random())
print('')
for i in range(5): print(rg2.random())
print('')
for i in range(5): print(rg3.random())

你将获得：

0.134364244112
0.847433736937
0.763774618977
0.255069025739
0.495435087092

0.956034271889
0.947827487059
0.0565513677268
0.0848719951589
0.835498878129

0.134364244112
0.847433736937
0.763774618977
0.255069025739
0.495435087092

- Cão

Answer 4

numpy 添加了使用 SeedSequence 生成独立随机数流的功能。该过程会处理用户提供的种子，通常是某个大小的整数，并将其转换为 BitGenerator 的初始状态。它使用哈希技术确保低质量的种子被转换为高质量的初始状态（至少在非常高的概率下）。

from numpy.random import SeedSequence, default_rng

ss = SeedSequence(12345)

# Spawn off 10 child SeedSequences to pass to child processes.
child_seeds = ss.spawn(10)
streams = [default_rng(s) for s in child_seeds]

每个流都是PCG64生成器。可以按顺序生成随机数，如下所示 -

for i in 1:K
    instance[i] = [s.uniform() for s in streams]

有更多的方法可以生成独立的随机数流，请查看numpydocs。

- Anand kumar

Answer 5

Veedrac的回答没有解决如何生成独立流的问题。

我找到的最好的方法是使用numpy的RandomState的替代品。这由RandomGen包提供。

它支持独立随机流, 但这些使用三个随机数生成器之一：PCG64、ThreeFry或Philox。如果你想使用更传统的MT19937，你可以依靠跳跃。

- Praveen

---

random.Random() 是一个独立的流，至少在 Mersenne Twister 的限制范围内是这样。如果你需要 n 个流，请使用 [random.Random() for _ in range(n)]。 - Veedrac