C++ 使用std:：二项式分布在范围之间生成随机数

我创建了一个函数来生成稀疏矩阵，但是随机生成器只生成1s的值，我需要让它生成特定范围内的数字

size_t spare_matrix_generator(int *M, size_t rows, size_t cols)
{
    std::random_device rd;
    std::mt19937 gen(rd());
    gen.seed(time(NULL));

    std::binomial_distribution<int> distribution(1, 0.5);

    size_t NNZ = 0;

    for (szie_t i = 0; i < rows*cols; i++)
    {
        M[i] = distribution(gen);
        std::cout << M[i] << " ";
        if (A[i] != 0)
            NNZ++;
    }
    std::cout << std::endl;

    return NNZ;
}

---

对于[a，b]中ab-a之间的

std:：二项式分布的随机数，并将
a
添加到生成的结果中，以考虑输入范围[a，b]：

size_t spare_matrix_generator(int *M, size_t rows, size_t cols)
{
    std::random_device rd;
    std::mt19937 gen(rd());
    gen.seed(time(NULL));
    int b = 12, a = 3;

    std::binomial_distribution<int> distribution(b-a, 0.5);

    // To handle matrix sparsity
    float zero_prob = 0.8;
    std::mt19937 sparse_gen(rd() + 42);
    std::uniform_real_distribution<double> sparse_dist(0.0,1.0);

    size_t NNZ = 0;

    for (szie_t i = 0; i < rows*cols; i++)
    {
        if(sparse_dist(sparse_gen) > zero_prob){
            M[i] = a + distribution(gen);
        } else {
            M[i] = 0;
        }

        std::cout << M[i] << " ";
        if (M[i] != 0)
            NNZ++;
    }
    std::cout << std::endl;

    return NNZ;
}

大小备用矩阵生成器（int*M，大小行，大小列）
{
std：：随机_装置rd；
标准：mt19937 gen（rd（））；
gen.seed（时间（空））；
int b=12，a=3；
标准：二项分布（b-a，0.5）；
//处理矩阵稀疏性
浮动零点概率=0.8；
标准：mt19937稀疏_-gen（rd（）+42）；
标准：均匀实分布稀疏分布（0.0,1.0）；
尺寸NNZ=0；
对于（szie_t i=0；i零概率）{
M[i]=a+分布（gen）；
}否则{
M[i]=0；
}
std：：是否可以使用均匀整数分布？是否需要使用二项式分布？或者任何随机生成器都可以做到这一点？我需要它是二项式分布为什么
gen.seed（time（NULL））
当你已经用
随机设备为你的生成器设定种子时
？你就这样撤销了之前的种子，并用一个更糟糕的种子来替换它。@TedLyngmo我在尝试一些东西。它不会影响代码逻辑。在这种情况下，可以忽略它，但矩阵的稀疏性会丢失数据的稀疏性矩阵依赖于某种东西？我用二项式分布的两个参数的许多不同值对代码（我的原始代码）进行了多次测试。我的结论是使用1仅将输出范围限制为1和0。但是选择不同的范围，例如（10-5）将强制生成器生成10到5之间的所有可能数字（即4、3、2、1、5）…因此出现0的可能性（即使其稀疏）将比第一种情况下减少是的，一种解决方案是使用另一个分布来控制矩阵的稀疏性。这样，您可以决定所需非空元素的牵引力。对于这些元素，您可以根据需要生成随机数。现在我理解了您的编辑。谢谢您的回答
size_t spare_matrix_generator(int *M, size_t rows, size_t cols)
{
    std::random_device rd;
    std::mt19937 gen(rd());
    gen.seed(time(NULL));
    int b = 12, a = 3;

    std::binomial_distribution<int> distribution(b-a, 0.5);

    // To handle matrix sparsity
    float zero_prob = 0.8;
    std::mt19937 sparse_gen(rd() + 42);
    std::uniform_real_distribution<double> sparse_dist(0.0,1.0);

    size_t NNZ = 0;

    for (szie_t i = 0; i < rows*cols; i++)
    {
        if(sparse_dist(sparse_gen) > zero_prob){
            M[i] = a + distribution(gen);
        } else {
            M[i] = 0;
        }

        std::cout << M[i] << " ";
        if (M[i] != 0)
            NNZ++;
    }
    std::cout << std::endl;

    return NNZ;
}