我正在生成大约 1 亿个随机数来从 300 件事情中挑选。我需要设置它，以便我有 1000 万个独立实例（不同的种子），每个实例选择 10 次。目标是使汇总结果具有非常低的差异，例如，每个项目被选中的次数大致相同。
问题在于常规 prng，某些数字比其他数字更容易选择。（尝试了lcg和mersenne twister）最多和最少的差异可能是几千到一万）使用线性一致性生成器和mersenne twister，我也尝试用1个实例选择1亿次，也没有产生统一的结果。我猜这是因为周期很长，可能一亿还不够大。从理论上讲，如果我选择足够多的数字，结果应该会达到一致。（应按预期值结算）
我改用了准随机生成器 Sobol，并通过 1 实例测试中的 1 亿得到了更好的结果。（最多选择和最少选择之间的差异约为 5）但是将它们分成 1000 万个实例，每个实例 10 次，失去了一致性，我得到了与 prng 相似的结果。Sobol 似乎对序列非常敏感——随机向前跳过会降低一致性。
是否有一类随机生成器即使在组合 1000 万个独立实例时也能保持类随机的低差异？还是理论上不可能？我现在能想到的一种解决方案是使用 1 个 Sobol 生成器，它在 1000 万个实例之间共享，因此它实际上与 1 个实例测试中的 1 亿个相同。