我正在尝试寻找一种有效的方法来实现统一 (0,1) 分布。由于我必须生成大量样本,因此我选择了 mt19937 作为引擎。我正在使用 boost 库中的版本。我的问题是:使用引擎本身的输出与使用 uniform_real_distribution 有什么区别?
选项#1
std::random_device rd;
boost::mt19937 gen(rd());
boost::random::uniform_real_distribution<double> urand(0, 1);
for ( int i = 0; i < 1E8; i++ ) {
u = urand(gen);
}
选项#2
std::random_device rd;
boost::mt19937 gen(rd());
for ( int i = 0; i < 1E8; i++ ) {
u = (double) gen()/gen.max();
}
根据我的测试,就运行时而言,选项 #2 比选项 #1 好得多。我有什么理由应该选择选项 #1 而不是选项 #2?
最佳答案
我不知道 urand()
的底层实现,但是使用除法的结果很可能会在低位产生偏差作为量化效果。如果 gen.max()
不大,则“低位”可能是结果的很多或大部分位。
性能差异可能来自生成正确分布的随机数。如果 double
对您的需求过于精确,那么使用 float
可能会使其运行更高效。
关于c++ - mt19937 和 uniform_real_distribution,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27372137/