C++ 如何有效地处理不同的概率分布函数？_C++_Optimization_Graphics_Particle System

C++ 如何有效地处理不同的概率分布函数？

c++ optimization graphics

C++ 如何有效地处理不同的概率分布函数？,c++,optimization,graphics,particle-system,C++,Optimization,Graphics,Particle System,我有一个粒子系统，通常会创建新粒子，更新它们并销毁在发射器模块中，有用于重置粒子的for循环： foreach p in particles p.position = rand() p.velocity = rand() 通常，当使用C的rand（）函数时，我们会得到均匀分布，但当我想使用其他分布（例如高斯分布）时，会怎样呢如何更改该代码，使其能够处理生成新粒子参数的几种（或至少两种）不同方式当然，您可以创建一些对象：比如RandomGenerator，使用一些虚拟函数调

我有一个粒子系统，通常会创建新粒子，更新它们并销毁

在发射器模块中，有用于重置粒子的for循环：

foreach p in particles
    p.position = rand()
    p.velocity = rand()

通常，当使用C的rand（）函数时，我们会得到均匀分布，但当我想使用其他分布（例如高斯分布）时，会怎样呢

如何更改该代码，使其能够处理生成新粒子参数的几种（或至少两种）不同方式

当然，您可以创建一些对象：比如RandomGenerator，使用一些虚拟函数调用并处理这些不同的行为。但是这段代码应该非常快（当更新数千个粒子时），所以我认为使用虚拟函数是不好的

或许我不应该在意，只是写下：

foreach p in particles
    p.position = useGaussian ? gausRand() : UniRand()
    p.velocity = useGaussian ? gausRand() : UniRand()

我们可以缩小不同分布的数量，只使用其中的两个或三个

请注意，我的示例非常简单，但在实际代码中有几个粒子参数配置

我想在这个问题上得到一些一般性的建议

通常，当使用C的rand（）函数时，我们会得到均匀分布，但当我想使用其他分布（例如高斯分布）时，会怎样呢

这是一个非常聪明的算法，它使用trig函数从高斯分布生成随机数，使用均匀分布作为输入（即使用

rand（）

）。指定平均值和标准偏差，并调用此函数生成新变量。唯一的缺点是，它比简单地调用

rand

要昂贵，因为它还调用

sin（）

和

cos（）

（尽管只需每秒调用一次）

如何更改该代码，使其能够处理生成新粒子参数的几种（或至少两种）不同方式

我建议您从随机生成器和虚拟方法开始。这将是最容易维护的。在尝试优化之前，先从最简单的方法和概要开始

考虑到生成随机数的计算复杂性，生成变量的成本将远远超过虚拟方法调用与静态函数调用的开销

如果这真的，真的不够快，你可以随时生成一个随机数池，根据需要在后台生成更多的随机数

通常，当使用C的rand（）函数时，我们会得到均匀分布，但当我想使用其他分布（例如高斯分布）时，会怎样呢

这是一个非常聪明的算法，它使用trig函数从高斯分布生成随机数，使用均匀分布作为输入（即使用

rand（）

）。指定平均值和标准偏差，并调用此函数生成新变量。唯一的缺点是，它比简单地调用

rand

要昂贵，因为它还调用

sin（）

和

cos（）

（尽管只需每秒调用一次）

如何更改该代码，使其能够处理生成新粒子参数的几种（或至少两种）不同方式

我建议您从随机生成器和虚拟方法开始。这将是最容易维护的。在尝试优化之前，先从最简单的方法和概要开始

考虑到生成随机数的计算复杂性，生成变量的成本将远远超过虚拟方法调用与静态函数调用的开销

如果这真的，真的不够快，你可以随时生成一个随机数池，根据需要在后台生成更多的随机数。

虽然@gavinb的答案是一个非常有效的方法，但我建议避免重新发明轮子，使用标准工具：如果你有c++11支持，使用

std:：normal_distribution

及其亲属（参见，例如）。否则，请使用

因为这些都是只包含头的（至少是boost版本），所以不涉及多态调用，所以您不必担心它们。当然，这并不排除@Oli Charlesworth建议的最大相关性

编辑：如果多态调用造成的开销不可忽略，那么您可以始终在枚举类型的发行版上模板化您的函数，并根据需要专门化它们

简而言之，它是如此简单：

#include<iostream>

// template on an int selector
template<int N> void foo(){ std::cout<<"42\n"; }
template<> void foo<1>() {std::cout<<"1\n";}

//now use an enum
enum  distr_types {UNIF, NORMAL, UNKNOWN}; 
template<distr_types T> void bar() {std::cout<<"fourty two\n";}
template<> void bar<UNIF>() {std::cout<<"UNIF\n";}
template<> void bar<NORMAL>(){std::cout<<"NORMAL\n";}

int main(){
  foo<3>();
  foo<1>();

  bar<UNIF>();
  bar<NORMAL>();
  bar<UNKNOWN>();
}

#包括
//int选择器上的模板
模板void foo（）{std:：cout虽然@gavinb的答案是一个非常有效的方法，但我建议避免重新发明轮子，使用标准工具：如果您有c++11支持，请使用std:：normal_distribution
及其相关函数（参见，例如）。否则，请使用
由于这些只是标题（至少是boost版本），因此不涉及多态调用，因此您不必担心它们。当然，这并不排除@Oli Charlesworth建议的最大相关性
编辑：如果多态调用造成的开销不可忽略，那么您可以始终在枚举类型的发行版上模板化您的函数，并根据需要专门化它们
简而言之，它是如此简单：
#include<iostream>

// template on an int selector
template<int N> void foo(){ std::cout<<"42\n"; }
template<> void foo<1>() {std::cout<<"1\n";}

//now use an enum
enum  distr_types {UNIF, NORMAL, UNKNOWN}; 
template<distr_types T> void bar() {std::cout<<"fourty two\n";}
template<> void bar<UNIF>() {std::cout<<"UNIF\n";}
template<> void bar<NORMAL>(){std::cout<<"NORMAL\n";}

int main(){
  foo<3>();
  foo<1>();

  bar<UNIF>();
  bar<NORMAL>();
  bar<UNKNOWN>();
}

#包括
//int选择器上的模板
模板void foo（）{std:：您是否分析了这段代码以确定虚拟调用开销是一个问题？我没有分析，但我想了解一些关于这种情况的一般想法。我认为，当存在数千个粒子时，虚拟方法调用确实很重要。一般的想法是，在分析确定某些问题之前，您不应该进行优化o可能是个问题。@fen:不太可能。如果你以每秒3000次的速度重新分发它们，比如说。你分析过这段代码以确定虚拟呼叫开销是个问题吗？我没有分析，但我想得到一些关于这种情况的一般想法。当有数千个particle