梅森旋转算法 (MT19937)#

class numpy.random.MT19937(seed=None)#

梅森旋转伪随机数生成器的容器。

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

初始化 BitGenerator 的种子。如果为 None，则会从操作系统获取新的、不可预测的熵。如果传递了 int 或 array_like[ints]，则将其传递给 SeedSequence 以推导出初始的 BitGenerator 状态。也可以传递 SeedSequence 实例。

注释

MT19937 提供了一个包含函数指针的胶囊，这些函数指针生成双精度浮点数以及 32 位和 64 位无符号整数 [1]。这些在 Python 中无法直接使用，必须由支持低级访问的 Generator 或类似对象使用。

Python 标准库模块“random”也包含梅森旋转伪随机数生成器。

状态和播种

MT19937 状态向量由一个包含 624 个 32 位无符号整数的数组加上一个介于 0 和 624 之间的单个整数值组成，该整数值索引主数组中的当前位置。

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

并行特性

在并行应用程序中使用 BitGenerator 的首选方法是使用 SeedSequence.spawn 方法获取熵值，并使用这些值生成新的 BitGenerator。

>>> 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，它会将状态提前，就像生成了 \(2^{128}\) 个随机数一样 ([1]，[2])。这允许分割原始序列，以便在每个工作进程中使用不同的片段。所有生成器都应链接在一起，以确保这些片段来自同一个序列。

>>> 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 保证固定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，“多项式空间中线性递推的快速跳跃算法”，序列及其应用 - SETA，290-298，2008 年。

[2]

Hiroshi Haramoto、Makoto Matsumoto、Takuji Nishimura、François Panneton、Pierre L’Ecuyer，“F2-线性随机数生成器的有效跳跃”，INFORMS 计算机杂志，第 20 卷，第 3 期，2008 年夏季，第 385-390 页。

属性：
lock: threading.Lock

共享的锁实例，以便可以在多个 Generator 中使用相同的位生成器而不会损坏状态。从位生成器生成值的代码应持有位生成器的锁。

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
本页内容