Einstellung Saatgut boost::random

Ich würde gerne zurücksetzen-random-Sequenzen mit unterschiedlichen seed-Nummern. Beim ausführen dieser test code:

boost::mt19937 gener(1);
boost::normal_distribution<> normal(0,1);
boost::variate_generator<boost::mt19937&,boost::normal_distribution<> > rng(gener, normal);
cout << rng() << endl;
cout << rng() << endl;
cout << rng() << endl;
gener.seed(2);
cout << rng() << endl;
cout << rng() << endl;
gener.seed(1);
cout << rng() << endl;
gener.seed(2);
cout << rng() << endl;
gener.seed(3);
cout << rng() << endl;

Bekomme ich die folgende Ausgabe:

# seed(1) via constructor
-2.971829031
1.706951063
-0.430498971
# seed(2)
-2.282022417
-0.5887503675
# seed(1)
0.2504171986
# seed(2)
-0.5887503675
# seed(3)
0.2504171986

Offensichtlich mache ich etwas sehr falsch. Wie kann ich dieses problem lösen?

InformationsquelleAutor anton skvorts | 2011-01-24
  1. 14

    Folgenden Jim, Alan und Igor Vorschläge gemacht, einige änderungen am code: rng.engine().seed() statt gener.seed() und rief rng.distribution().reset() nach dem Aufruf rng.engine().seed() und es funktionierte wie ein Charme.

    Vielen Dank!

    • Froh, dass es geklappt hat! Übrigens, man darf (und gefördert) zu akzeptieren, Ihre eigene Antwort, vor allem, wenn es dauerte eine Kombination von mehreren Ideen der Menschen um Ihr problem zu lösen.
    InformationsquelleAutor anton skvorts
  2. 5

    Sollte man normal nennen.reset() nach dem Aufruf von gener.seed(). Angegeben ist, um sicherzustellen, dass die Ausgabe normal wird nicht davon abhängen, ob alle vorherigen Ausgabe von gener.

    (Die Verteilung ist wahrscheinlich caching einige Staat, die Sie benötigen, um zu löschen.)

    • Ja, es sieht aus wie ein caching-problem. Ich Tat wie Sie vorgeschlagen, aber ich bin noch immer die gleichen Ergebnisse...
    • Normalerweise verteilt RNGs verwenden Sie das Box-Muller-Transformation, die generiert zufällige zahlen in Paaren (siehe: Numerische Rezepte Beispiele)
    InformationsquelleAutor Alan Stokes
  3. 1

    Ich glaube boost::variate_generator<> macht eine Kopie Ihrer boost::mt19937 gener Objekt.
    Also, wenn Sie ein erneutes Seeding Ihre Kopie von gener, es hat keine Auswirkung auf die rng Objekt, das bereits
    konstruiert worden. Mit dem Bau eines neuen rng Objekt jedes mal, wenn Sie ein erneutes Seeding sollte Ihnen das von Ihnen gewünschte Verhalten (disclaimer: nicht getestet!)

    • Ich glaube, dass die Nachsaat ist, dass einige Auswirkungen auf die rng, denn ich bin immer wiederholte Werte -0.5887503675 und 0.2504171986. Aber dann leider überhaupt nicht, was ich erwarten würde.
    • Toll zu sehen, das problem gelöst, aber darf ich Fragen, warum boost::variate_generator<> macht eine Kopie von gener in diesem Fall? Ich denke, die OP bestanden Referenz, wenn das schreiben boost::variate_generator<boost::mt19937&,boost::normal_distribution<> >, bin ich etwas fehlt?...
    InformationsquelleAutor Jim Lewis
  4. 1

    Toll zu sehen, wie das problem gelöst! Aber ich denke, ich habe gerade rausgefunden, warum Alan die Methode nicht funktionieren würde...

    Beim schreiben boost::variate_generator<boost::mt19937&,boost::normal_distribution<> > rng(gener, normal) Sie nicht erstellen Sie eine andere Kopie von gener weil es ein call-by-reference, aber Sie hat erstellen Sie eine andere Kopie von normal mit der variate_generate.

    Also statt normal.reset, die setzt nur die original normal verwenden, sollten Sie rng.distribution().reset(). Aber Sie können nur halten gener.seed(), was ich vermute, wird die gleiche Wirkung haben wie rng.engine().seed().

    Getestet habe ich es in meinem code, und es funktioniert wie erwartet.

    Gut, nur, falls jemand kümmern würde 🙂

    InformationsquelleAutor Vokram
Schreibe einen Kommentar