Réglage de graines de boost::aléatoire

Je voudrais réinitialiser séquences aléatoires à l'aide de différents numéros de semences. Lors de l'exécution de ce code de test:

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;

J'obtiens le résultat suivant:

# 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

Évidemment, je suis en train de faire quelque chose de très mal. Comment puis-je résoudre ce problème?

OriginalL'auteur anton skvorts | 2011-01-24

  1. 14

    Suivantes Jim, Alan et Igor suggestions apporté quelques modifications au code: rng.engine().seed() au lieu de gener.seed(), et a appelé rng.distribution().reset() après l'appel à rng.engine().seed() et cela a fonctionné comme un charme.

    Merci beaucoup!

    Content que ça fonctionne! Par ailleurs, vous êtes autorisé (et encouragé) à accepter votre propre réponse, surtout si elle a eu une combinaison de plusieurs idées pour résoudre votre problème.

    OriginalL'auteur anton skvorts

  2. 5

    Vous devez appeler la normale.reset() après l'appel à la gener.de la graine(). Qui est spécifiée pour s'assurer que la sortie de la normale ne dépendra pas de la précédente sortie de gener.

    (La distribution est probablement la mise en cache de l'état que vous souhaitez effacer.)

    Oui ça ressemble à un problème de mise en cache. J'ai fait comme vous l'avez suggéré, mais je suis toujours obtenir les mêmes résultats...
    Normalement distribués Rng utiliser le Box-Muller transformer qui génère des nombres aléatoires dans les paires (voir: Recettes ou Numérique exemples)

    OriginalL'auteur Alan Stokes

  3. 1

    Je crois boost::variate_generator<> fait une copie de votre boost::mt19937 gener objet.
    Ainsi, lorsque vous réensemencer votre copie de gener, il n'a pas d'effet sur la rng objet qui est déjà
    été construits. La construction d'une nouvelle rng objet à chaque fois que vous réamorçage devrait vous donner le comportement que vous souhaitez (avertissement: pas testé!)

    Je crois que le réensemencement est d'avoir un certain effet sur la rng, parce que je suis répété valeurs -0.5887503675 et 0.2504171986. Mais malheureusement pas du tout à quoi je m'attends.
    Grand de voir le problème résolu, mais je peux te demander pourquoi boost::variate_generator<> fait une copie de gener dans ce cas? Je pense que l'OP passée de référence lors de la rédaction de boost::variate_generator<boost::mt19937&,boost::normal_distribution<> >, suis-je raté quelque chose?...

    OriginalL'auteur Jim Lewis

  4. 1

    Grand de voir le problème résolu! Mais je suppose que je viens de comprendre pourquoi Alan méthode ne fonctionne pas...

    Lors de l'écriture de boost::variate_generator<boost::mt19937&,boost::normal_distribution<> > rng(gener, normal), vous n'avez pas créer une autre copie de gener parce que c'est un appel par référence, mais vous ne créer une autre copie de normal avec le variate_generate.

    Ainsi, au lieu de normal.reset, qui ne permet de restaurer l'original normal, vous devez utiliser rng.distribution().reset(). Mais vous pouvez juste garder gener.seed(), ce qui je pense aura le même effet que rng.engine().seed().

    Je l'ai testé dans mon code, et il a fonctionné comme prévu.

    Bien, juste au cas où quelqu'un aurait soins 🙂

    OriginalL'auteur Vokram