47

我读过许多伪随机数生成器需要许多样本才能“预热”。使用 std::random_device 播种 std::mt19937 是这种情况，还是我们可以期望它在构造后准备好？有问题的代码：

#include <random>
std::random_device rd;
std::mt19937 gen(rd());
4

3 回答 3

61

Mersenne Twister 是一个基于移位寄存器的 pRNG（伪随机数生成器），因此会受到长期运行 0 或 1 的不良种子的影响，这会导致相对可预测的结果，直到内部状态充分混合。

然而，采用单个值的构造函数对该种子值使用了一个复杂的函数，该函数旨在最大限度地减少产生这种“坏”状态的可能性。还有第二种方法可以mt19937通过符合 SeedSequence 概念的对象来初始化直接设置内部状态的位置。这是第二种初始化方法，您可能需要关注选择“良好”状态或进行热身。

该标准包括一个符合 SeedSequence 概念的对象，称为seed_seq. seed_seq获取任意数量的输入种子值，然后对这些值执行某些操作，以生成适合直接设置 pRNG 内部状态的不同值序列。

这是一个使用足够随机数据加载种子序列以填充整个std::mt19937状态的示例：

std::array<int, 624> seed_data;
std::random_device r;
std::generate_n(seed_data.data(), seed_data.size(), std::ref(r));
std::seed_seq seq(std::begin(seed_data), std::end(seed_data));

std::mt19937 eng(seq);

这确保了整个状态是随机的。此外，每个引擎都指定了它从 seed_sequence 读取的数据量，因此您可能需要阅读文档以找到适用于您使用的任何引擎的信息。

std::random_device尽管在这里我完全从,加载了 seed_seq ，但是seed_seq指定了一些不是特别随机的数字应该可以正常工作。例如：

std::seed_seq seq{1, 2, 3, 4, 5};
std::mt19937 eng(seq);

在下面的评论中，Cubbi 表示seed_seq通过为您执行热身序列来工作。

以下是播种的“默认值”：

std::random_device r;
std::seed_seq seed{r(), r(), r(), r(), r(), r(), r(), r()};
std::mt19937 rng(seed);
于 2013-03-19T20:37:21.020 回答
5

如果您只使用一个 32 位值作为种子，那么您将得到的只是通过状态空间的相同 2^32 轨迹之一。如果您使用带有 KiB 状态的 PRNG，那么您可能应该将所有这些作为种子。如@bames63'答案的评论中所述，std::seed_seq如果您想用随机数初始化整个状态，使用可能不是一个好主意。可悲的是，std::random_device不符合这个SeedSequence概念，但您可以编写一个包装器：

#include <random>
#include <iostream>
#include <algorithm>
#include <functional>

class random_device_wrapper {
    std::random_device *m_dev;
public:
    using result_type = std::random_device::result_type;
    explicit random_device_wrapper(std::random_device &dev) : m_dev(&dev) {}
    template <typename RandomAccessIterator>
    void generate(RandomAccessIterator first, RandomAccessIterator last) {
        std::generate(first, last, std::ref(*m_dev));
  }
};

int main() {

    auto rd = std::random_device{};
    auto seedseq = random_device_wrapper{rd};
    auto mt = std::mt19937{seedseq};
    for (auto i = 100; i; --i)
        std::cout << mt() << std::endl;

}

这至少在您启用概念之前有效。根据您的编译器是否知道SeedSequenceC++20 concept，它可能无法工作，因为我们只提供缺少的generate()方法，没有别的。但是，在鸭式模板编程中，该代码就足够了，因为 PRNG 不存储种子序列对象。

于 2018-05-06T09:41:54.470 回答
2

我相信在某些情况下，MT 可以“较差”地播种，从而导致非最佳序列。如果我没记错的话，全零播种就是这样一种情况。如果这对您来说是一个严重的问题，我建议您尝试使用 WELL 生成器。我相信它们更灵活——种子的质量并不重要。（也许更直接地回答您的问题：专注于播种可能更有效，而不是播种不佳然后尝试生成一堆样本以使生成器达到最佳状态。）

于 2013-03-19T20:04:50.813 回答