python - 我应该如何在 Python 中使用 random.jumpahead

Question

我有一个应用程序对某个实验进行 1000 次(多线程，以便同时进行多个实验)。每个实验都需要 appr。 50.000 次 random.random() 调用。

真正随机化的最佳方法是什么。我可以将一个随机对象复制到每个实验中，然后进行 50.000 * expid 的跳跃。文档表明 jumpahead(1) 已经扰乱了状态，但这是真的吗？

或者是否有另一种“最佳方式”做到这一点的方法？

(不，随机数不是用于安全性，而是用于 metropolis hasting 算法。唯一的要求是实验是独立的，而不是随机序列是否可预测)

Answer 1

I could copy a random object to every experiment and do than a jumpahead of 50.000 * expid.

大致正确。每个线程都有自己的 Random 实例。

将它们全部播种到相同的种子值。使用一个常量来测试，当你“运行记录”时使用/dev/random。

编辑。在 Python 之外和较旧的实现中，使用 jumpahead( 50000 * expid ) 来避免两个生成器以并行值序列结束的情况。在任何当前(2.3 后)的 Python 中，jumpahead 不再是线性的并且使用 expid 足以打乱状态。

您不能简单地在每个线程中执行 jumpahead(1)，因为那样可以确保它们同步。使用 jumpahead( expid ) 确保每个线程都被明确地扰乱。

The documentation suggests that jumpahead(1) already scrambles the state, but is that really true?

是的，jumpahead 确实“扰乱”了状态。回想一下，对于给定的种子，您会得到一个很长但固定的伪随机数序列。你在这个序列中向前跳跃。要通过随机性测试，您必须从这个一个序列中获取所有值。

编辑。曾几何时，jumpahead(1) 受到限制。现在 jumpahead(1) 确实进行了更大的加扰。然而，加扰是确定性的。您不能简单地在每个线程中执行 jumpahead(1)。

如果您有多个具有不同种子的生成器，您就违反了“一个种子的一个序列”假设，并且您的数字不会像从单个序列中获得它们那样随机。

如果您只使用 jumphead 1，您可能会得到类似的并行序列。 [这种相似性可能检测不到； 理论上，有相似之处。]

当你跳到 50,000 时，你确保你遵循 1-sequence-1-seed 前提。您还要确保在两个实验中不会有相邻的数字序列。

最后，您还具有可重复性。对于给定的种子，您可以获得一致的结果。

同样的跳跃:不好。

>>> y=random.Random( 1 )
>>> z=random.Random( 1 )
>>> y.jumpahead(1)
>>> z.jumpahead(1)
>>> [ y.random() for i in range(5) ]
[0.99510321786951772, 0.92436920169905545, 0.21932404923057958, 0.20867489035315723, 0.91525579001682567]
>>> [ z.random() for i in range(5) ]
[0.99510321786951772, 0.92436920169905545, 0.21932404923057958, 0.20867489035315723, 0.91525579001682567]