置换同余生成器(64 位,PCG64)#

class numpy.random.PCG64(seed=None)#

PCG-64 伪随机数生成器的 BitGenerator。

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

用于初始化 BitGenerator 的种子。如果为 None,则将从操作系统获取新的不可预测的熵。如果传递了 intarray_like[ints],则它将传递给 SeedSequence 以推导出初始 BitGenerator 状态。还可以传递 SeedSequence 实例。

备注

PCG-64 是 O’Neill 置换同余生成器的 128 位实现 ([1][2])。PCG-64 的周期为 \(2^{128}\),并支持前进任意数量的步长以及 \(2^{127}\) 个流。我们使用的 PCG 家族的特定成员是 PCG XSL RR 128/64,如论文 ([2]) 中所述。

PCG64 提供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、无符号 32 位和 64 位整数。这些在 Python 中不可直接使用,必须由 Generator 或类似支持低级访问的对象使用。

支持方法 advance 以将 RNG 前进任意数量的步长。PCG-64 RNG 的状态由 2 个 128 位无符号整数表示。

状态和播种

PCG64 状态向量由 2 个无符号 128 位值组成,在外部表示为 Python 整数。一个是 PRNG 的状态,它通过线性同余生成器 (LCG) 进行推进。第二个是 LCG 中使用的固定奇数增量。

输入种子由 SeedSequence 处理以生成这两个值。增量不可独立设置。

并行功能

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 BitGenerators。

>>> from numpy.random import Generator, PCG64, SeedSequence
>>> sg = SeedSequence(1234)
>>> rg = [Generator(PCG64(s)) for s in sg.spawn(10)]

兼容性保证

PCG64 保证固定的种子始终会产生相同的随机整数流。

参考文献

状态#

state

获取或设置 PRNG 状态

并行生成#

advance(delta)

推进底层 RNG,就好像已经发生了 delta 次抽取一样。

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