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#
获取或设置 PRNG 状态 |
并行生成#
|
返回一个状态已跳跃的新位生成器 |