C++11 随机数学习
来源:互联网 发布:免费淘宝客软件 编辑:程序博客网 时间:2024/06/07 20:07
C++11 随机数学习
相对于C++ 11之前的随机数生成器来说,C++11的随机数生成器是复杂了很多。这是因为相对于之前的只需srand、rand这两函数即可获取随机数来说,C++11提供了太多的选择和东西。
随机数生成算法
随机数生成算法有很多,C++11之前的C/C++只用了一种。C++11则提供下面三种可供选择:
linear_congruential_engine线性同余法
mersenne_twister_engine梅森旋转法
substract_with_carry_engine滞后Fibonacci
这三种算法,在C++11里面都是用模板的方式实现的。如果我们要使用这三个模板类的话,就必须自己实例化之。但这些实例化参数都是这些算法里面使用到的参数,如果不懂算法的原理的话,真的不知道需要用什么参数才能得到比较好的随机序列。所以我们这些卑微的码农是用不了这些模板类的。C++11标准也想到了这点,所以就帮我们预定义了一些随机数类,这些随机数类都是用比较好的参数实例化上面那三个模板类。 注意:在 C++11 里面,把这些随机数生成器叫做引擎 (engines) 。
下图列出了一些实例化的随机数类:
当然具体用了哪些参数,我们是不用管的,直接用就行了。
在上图的左上角,还可以看到一个default_random_engine的类。它也是一个实例化的类。之所以不归入那三种算法,是因为它的实现是由编译器厂家决定的,有的可能用linear_congruential_engine实现,有的可能用mersenne_twister_engine实现。这种现象在C/C++中见多了。不过,对于其他的类,C++11是有明确规定用哪种算法和参数实现的。
好了,说了这么多还是上一个例子吧。
#include<iostream>#include<random> usingstd::cout;usingstd::endl;usingstd::cin; intmain(){std::default_random_engine random; for(int i = 0; i < 20; ++i)cout<<random()<<' ';cout<<endl; return 0;}//gcc编译器需要加上 –std=c++11 选项。
C++11中,随机数都是定义在random头文件中的。除了default_random_engine,其他的那些实例化随机数类的名字都是怪怪的,所以还是这个好用。从例子中可以看到,是通过operator ()函数来获取下一个随机数。
对srand熟悉的码农们肯定发现,这里没有使用到随机数种子。这里使用了默认种子,默认种子的值可以通过这类的公共静态常量default_seed来获取。如果想为这个类设置自己的种子的话,那么可以通过在构造函数中传入一个参数。也可以在构造之后调用seed()成员函数设置种子。
上面例子产生的随机数会比较大,如果我们只想产生0到100的随机数。按照我们之前的做法是直接random()%100。这种做法是不好的。原因可以参见《Accelerated C++》的7.4.4节。
C++11也知道这一点,这就使得C++11的随机数更加复杂了。
我们平常说产生随机数,隐含是意思是产生均匀分布的随机数。学过概率论的同学都知道,除了均匀分布还有很多分布,比如正态分布、泊松分布等等。之前在网上看过网友怎么用rand()函数产生的随机数制作这些分布。现在这工作不用码农做了,C++11标准都提供了这些分布。
C++11提供的均匀分布 模板类 为:uniform_int_distribution和uniform_real_distribution。前一个模板类名字中的int不是整型,而且表示整数。因为它是一个模板类,可以用int、long、short等整数类型来实例化。后一个表示浮点数模板类,可以用float和double来实例化。使用例子如下:
#include<iostream>#include<random>#include<time.h> using std::cout;using std::endl;using std::cin; int main(){std::default_random_engine random(time(NULL));std::uniform_int_distribution<int> dis1(0, 100); std::uniform_real_distribution<double> dis2(0.0, 1.0); for(int i = 0; i < 10; ++i)cout<<dis1(random)<<' ';cout<<endl; for(int i = 0; i < 10; ++i)cout<<dis2(random)<<' ';cout<<endl; return 0;}
可以看到,在uniform_int_distribution的构造函数中,参数说明了随机数的范围。uniform_int_distribution的随机数的范围 不是半开范围 [ ),而是[ ],对于uniform_real_distribution却是半开范围[ )。也是就是说上面的例子中,能产生100,但不会产生1.0。不得不说,这颠覆了之前的认识。对于default_random_engine来说,其产生的随机数范围是在[min(), max()]之间,其中min()和max()为它的两个成员函数。同样,也是非半开范围。对于浮点数,如果真的是想产生[0.0, 1.0]范围的数,可以使用
#include<cmath>#include<cfloat>std::uniform_real_distribution<double> dis2(0, std::nextafter(1,DBL_MAX));
如果uniform_int_distribution使用了无参构造函数,那么其随机数的范围是[0,numberic_limits<type>::max()],也就是0到对应实例化类型能表示的最大值。对于uniform_real_distribution的无参构造函数,则是[0, 1)。
C++11提供的概率分布类型有下面这些:
均匀分布:
uniform_int_distribution 整数均匀分布
uniform_real_distribution 浮点数均匀分布
伯努利类型分布:(仅有yes/no两种结果,概率一个p,一个1-p)
bernoulli_distribution 伯努利分布
binomial_distribution 二项分布
geometry_distribution 几何分布
negative_biomial_distribution 负二项分布
Rate-based distributions:
poisson_distribution 泊松分布
exponential_distribution指数分布
gamma_distribution 伽马分布
weibull_distribution 威布尔分布
extreme_value_distribution 极值分布
正态分布相关:
normal_distribution 正态分布
chi_squared_distribution卡方分布
cauchy_distribution 柯西分布
fisher_f_distribution 费歇尔F分布
student_t_distribution t分布
分段分布相关:
discrete_distribution离散分布
piecewise_constant_distribution分段常数分布
piecewise_linear_distribution分段线性分布
这些概率分布函数都是有参数的,在类的构造函数中把参数传进去即可。
下面是一个泊松分布的例子
#include<iostream>#include<random>#include<time.h>#include<iomanip> intmain(){ const int nrolls = 10000; // number ofexperiments const int nstars = 100; // maximum number of stars to distribute int parameter = 4; std::minstd_rand engine(time(NULL)); std::poisson_distribution<int>distribution(parameter); int p[20]={}; for (int i=0; i<nrolls; ++i) { int number = distribution(engine); if (number < 20) ++p[number]; } std::cout << "poisson_distribution"<<parameter<< std::endl; for (int i=0; i < 20; ++i) std::cout<<std::setw(2)<< i<< ": " << std::string(p[i]*nstars/nrolls, '*') <<std::endl; return 0;}
某一个输出结果为:
可能大家都忘了泊松分布了,看一下下面的图吧
C++11还提供了一个random_device随机数类。它并不是由某一个数学算法得到的随机序列,而是通过读取文件,读什么文件看具体的实现(Linux可以通过读取 /dev/random 文件来获取)。文件的内容是随机的,因为文件内容是计算机系统的熵(熵指的是一个系统的混乱程度)。也是当前系统的环境噪声,系统噪音可以通过很多参数来评估,如内存的使用,文件的使用量,不同类型的进程数量等等。Linux的 熵 来自键盘计时、鼠标移动等。
不过gcc好像并没有很好地实现这个类,我手里的Mingw4.9.0就不随机,每次运行都得到同样的序列。
对于C++11的随机类的更多用法可以参考 这里 。
参考:《C++标准库 ——自学教程与参考手册》(第2版)
- C++primer学习:随机数.
- C++11 随机数学习
- C++11 随机数学习
- C语言 伪随机数 指定范围随机数 学习
- C语言再学习 -- 随机数函数
- 【Unity&C#&随机数】随机数
- 【C++】随机数
- c语言学习——随机数的学习
- 【c++】c++11中生成随机数
- 【学习笔记】C语言 随机数的生成原理分析和各类随机数公式
- Linux C一站式学习习题答案8.2随机数
- 【学习拓展】C语言 随机数应用:伪随机机制
- c++/c 产生随机数
- C/C++:随机数生成
- c++11学习笔记之随机数引擎
- [C]如何产生随机数~
- C 语言中的随机数
- C#.net随机数函数
- DBVISUAL自动补全代码及自动补全代码取消用户名配置
- openresty 根据不同域名指向backend
- JSON对象
- Sublime Text 插件安装
- Linux 下的ls命令
- C++11 随机数学习
- UNIX网络编程1:传输层协议TCP、UDP、SCTP
- python和anaconda
- KMP Tavas and Malekas:CodeForces 535D
- 为android编写linux内核驱动
- Apache Cassandra (三)solr 的使用
- for和foreach那个效率更高?原因是什么?
- 数据库中Schema和Database有什么区别
- obc学习笔记6