c++ 生成隨機數

時間 2019-12-13

標籤 c++ 生成隨機數欄目 C&C++ 简体版

原文原文鏈接

一.獲取均勻分佈的隨機數

經典方法：

#include<stdlib.h>
// 產生隨機數，範圍在0~RAND_MAX之間，RAND_MAX在stdlib中，其值爲2147483647
rand();

rand的機制是根據一個隨機數種子（一般是一個整數值，若是沒有設置，則爲默認值）來生成一系列指定順序的隨機數，若是種子相同，那麼一系列的隨機數也是相同的。因此若是你rand();後再rand();就會獲得同樣的。html

原理：Srand ( );和Rand( );函數。它本質上是利用線性同餘法，y=ax+b(mod m);其中a，b，m都是常數。所以rand的產生決定於x，x被稱爲Seed。ios

能夠經過srand()來設置隨機數種子。較爲廣泛的作法是將隨機數種子設爲time()的時間函數，這樣就能根據當前的時間來設置隨機數種子，不會存在重複的問題。c++
time()包含在time.h中，返回從一個特定時刻到如今通過了多少秒，它接受單個指針參數，用於指向寫入時間的數據結構，若爲空，則簡單的返回時間。用於產生隨機數種子一般用time(0);數據結構
若是你要獲取必定範圍內的隨機數，rand() % MAX，MAX爲你設置的範圍。能夠#define random(x) (rand()%x)來簡化使用過程，使用時就直接rand(max);就行了dom

c++11中的新標準：

#include<random>
// 隨機數庫：由引擎類和分佈類組成
std::default_random_engine e;// 隨機數引擎，生成隨機無符號數e();
// 取出隊列頭的隨機數

和rand()函數相似，也是依靠隨機數種子，種子能夠在初始化時指定std::default_random_engine e(seed);(seed爲整型值)；也能夠調用seed()成員函數指定e.seed(seed);函數
標準庫定義了多個隨機數引擎類，區別在於性能和隨機性質量不一樣，每一個編譯器都會指定其中一個做爲default_random_engine類型。此類型通常具備最經常使用的特性。有興趣的請自行了解「標準庫隨機數引擎」。性能

隨機數引擎操做	介紹
Engine e;	默認構造函數
Engine e(s)	使用整型值s爲種子
e.seed(s)	使用種子s重置引擎的狀態
e.min()	此引擎可生成的最小值
e.max()	此引擎可生成的最大值
Engine::result_type	此引擎生成的unsigned整型類型
e.discard(u)	將引擎推動u步;u的類型爲unsigned long long

參考：c++primer第5版中文版P660，英文P746spa

二.獲取任意分佈的隨機數

經典：

分佈得靠本身去處理.net

example指數分佈：

double cls_random::randomExponential( double lambda){ double pV = 0.0; 
while(true) { 
pV = (double)rand()/(double)RAND_MAX; 
if (pV != 1) { break; } } pV = (-1.0/lambda)*log(1-pV); return pV;}

指望：E=\lambda^{-1}\
方差：V=\lambda^{-2}\
此方法的參考網址指針

c++11新標準：

標準庫定義了一系列的分佈類型，分佈就是在隨機數引擎產生的隨機數的基礎上進行過濾調整，以符合必定的規律，下面以正態分佈的使用爲例

example

#include <iostream>
#include <random>
#include <string>
using namespace std;
int main(){ 
default_random_engine e;// 生成隨機整數 normal_distribution<double> n(4,1.5);// 均值4，標準差1.5 
int vals[9]; 
for(size_t i = 0;i != 200;i++) {
// n(e)獲得正態分佈的double值 
// lround將double舍入到最近的整型值 
int v = lround(n(e)); 
if(v<9)//若是結果在範圍內 { ++vals[v];// 統計每一個數出現了多少次 } }  for(int j = 0;j != 9;j++ ) { // 打印每一個數出現的頻率 cout<< j << ":" << string(vals[j], '*') <<endl; }}

輸出結果：

0:*
1:*
2:**
3:**
4:*
5:**
6:**
7:*
8:*

附錄

隨機數分佈

分佈類	介紹
均勻分佈：
`uniform_int_distribution<IntT> u(m,n)`	均勻分佈的模板類，m爲生成的最小值，n最大，生成int
`uniform_real_distrubution<RealT> u(x,y)`	同上，生成double
伯努利分佈：
`bernoulli_distribution b(p)`	伯努利分佈，以給定機率p生成true，默認0.5
`binomial_distribution<IntT> b(t,p)`	按採樣大小爲整型值t，機率爲p生成的；t默認1，p默認0.5
`geometric_distribution<IntT> g(p)`	每次實驗成功的機率爲p,p的默認值爲0.5
`negative_binomial_distribution<IntT>nb(k,p)`	k(整型值)次實驗成功的機率爲p；k默認爲1，p默認0.5
泊松分佈:
`poisson_distribution<IntT>p(x)`	均值爲double值x的泊松分佈
`exponential_distribution<RealT> e(lam)`	指數分佈，參數lambda經過腹地安置lam給出，lan默認爲1.0
`gamma_distribution<RealT> e(a,b)`	alpha(形狀參數)爲a，beta（尺度參數）爲b；默認值均爲1.0
`weibull_distribution<RealT> w(a,b)`	形狀參數爲a，尺度參數爲b；默認1.0
`extreme_value__distribution<RealT>e(a,b)`	a的默認值爲0.0，b的爲1.0
正態分佈：
`normal_distribution<RealT>n(m,s)`	均值爲m，標準差爲s；m默認爲0，s默認1.0
`lognarmal_distribution<RealT> ln(m,s)`	均值爲m，標準差爲s；m的默認值爲0.0，s的默認值爲1.0
`chi_squared_distribution(RealT)c(x)`	自由度爲x，默認值爲1.0
`cauchy_distribution<RealT>c(a,b)`	位置參數a和尺度參數b的默認值爲0.0和1.0
`fisher_f_distribution<RealT>f(m,n)`	自由度爲m和n，默認值均爲1
`student_t_distribution<RealT>s(n)`	自由度爲n；n默認爲1
抽樣分佈：
`discrete_distribution<IntT>d(i,j)`	見下
`discrete_distribution<IntT>d{ il }`	i和j是一個權重序列的輸入迭代器，il是一個權重的花括號列表。權重必須能轉換爲double
`piecewise_constant_distribution<RealT> pc(b,e,w)`	b，e，w是輸入迭代器
`piecewise_linear_distribution<RealT> pl(b,e,w)`	b，e，w是輸入迭代器