梅森旋转算法 (MT19937)

class numpy.random.MT19937(seed=None)

梅森旋转算法伪随机数生成器的容器。

参数:

seed{None, int, array_like[ints], SeedSequence}，可选

用于初始化 BitGenerator 的种子。如果为 None，则将从操作系统中获取全新的、不可预测的熵。如果传入 int 或 array_like[ints]，则会将其传递给 SeedSequence 以推导初始的 BitGenerator 状态。也可以传入一个 SeedSequence 实例。

备注

MT19937 提供了一个包含函数指针的胶囊，这些函数指针可以生成双精度浮点数、无符号 32 位和 64 位整数 [1]。这些在 Python 中不能直接使用，必须由支持低级访问的 Generator 或类似对象来使用。

Python 标准库模块 “random” 也包含一个梅森旋转算法伪随机数生成器。

状态和播种

MT19937 的状态向量由一个包含 624 个 32 位无符号整数的数组以及一个介于 0 到 624 之间、用于索引主数组中当前位置的单个整数值组成。

输入种子由 SeedSequence 处理以填充整个状态。第一个元素被重置，使其只有最高有效位被设置。

并行特性

在并行应用中使用 BitGenerator 的首选方法是使用 SeedSequence.spawn 方法获取熵值，并使用这些熵值生成新的 BitGenerators

>>> from numpy.random import Generator, MT19937, SeedSequence
>>> sg = SeedSequence(1234)
>>> rg = [Generator(MT19937(s)) for s in sg.spawn(10)]

另一种方法是使用 MT19937.jumped，它会使状态前进，就好像已经生成了 \(2^{128}\) 个随机数一样 ([1], [2])。这允许将原始序列分割，以便在每个工作进程中使用不同的段。所有生成器都应该链式连接，以确保这些段来自同一序列。

>>> from numpy.random import Generator, MT19937, SeedSequence
>>> sg = SeedSequence(1234)
>>> bit_generator = MT19937(sg)
>>> rg = []
>>> for _ in range(10):
...    rg.append(Generator(bit_generator))
...    # Chain the BitGenerators
...    bit_generator = bit_generator.jumped()

兼容性保证

MT19937 保证一个固定的种子将始终产生相同的随机整数流。

参考文献

[1] (1,2)

Hiroshi Haramoto, Makoto Matsumoto 和 Pierre L’Ecuyer, “A Fast Jump Ahead Algorithm for Linear Recurrences in a Polynomial Space”, Sequences and Their Applications - SETA, 290–298, 2008。

[2]

Hiroshi Haramoto, Makoto Matsumoto, Takuji Nishimura, François Panneton, Pierre L’Ecuyer, “Efficient Jump Ahead for F2-Linear Random Number Generators”, INFORMS JOURNAL ON COMPUTING, Vol. 20, No. 3, Summer 2008, pp. 385-390。

属性:

lock: threading.Lock

锁实例，共享以确保相同的位生成器可在多个 Generator 中使用而不会破坏状态。从位生成器生成值的代码应持有该位生成器的锁。

状态

state

获取或设置 PRNG 状态

并行生成

jumped([jumps])

返回一个状态已跳跃的新位生成器

扩展

cffi	CFFI 接口
ctypes	ctypes 接口