C++ 梅森捻线机预热与再现性

在我当前的C++11项目中，我需要执行M模拟。对于每个模拟

m=1，…，m

，我使用

std:：mt19937

对象随机生成一个数据集，构造如下：

std::mt19937 generator(m);
DatasetFactory dsf(generator);

根据和，Mersenne Twister PRNG得益于预热阶段，这在我的代码中目前还没有。为了方便起见，我报告了建议的代码片段：

#include <random>

std::mt19937 get_prng() {
    std::uint_least32_t seed_data[std::mt19937::state_size];
    std::random_device r;
    std::generate_n(seed_data, std::mt19937::state_size, std::ref(r));
    std::seed_seq q(std::begin(seed_data), std::end(seed_data));
    return std::mt19937{q};
}

可能的解决方案#2 下面是一个基于@SteveJassop和@AndréNeve共同贡献的初步实现。

sha256

功能根据

#包括
#包括
#包括
#包括
std:：string sha256（const std:：string str）{
无符号字符哈希[SHA256_摘要_长度]；
SHA256_CTX SHA256；
SHA256_Init（&SHA256）；
SHA256_更新（&SHA256，str.c_str（），str.size（））；
SHA256_Final（散列和SHA256）；
std：：stringstream-ss；
对于（int i=0；iss我认为您只需要存储初始种子（在您的情况下，std:：uint_least32_t seed_数据[std:：mt19937:：state_size]

数组）和您希望重现的每次运行/模拟的

n

预热步骤的数量（例如，使用

discard（n）

）

有了这些信息，您始终可以创建一个新的MT实例，使用以前的

seed_数据对其进行种子设定，并以相同的
n
预热步骤运行它。这将生成相同的值序列，因为预热结束时MT实例将具有相同的内部状态

当您提到影响再现性的
std:：random_设备时，我相信在您的代码中，它只是用来生成种子数据。如果您将其本身用作随机数的来源，那么您将无法获得可再现的结果。因为您只使用它来生成种子，所以不应该存在错误纽约问题。如果你想复制值，你不能每次都生成一个新种子

根据
std:：random_设备的定义
：

“std:：random_设备是一个均匀分布的整数随机数生成器，可生成非确定性随机数。”

因此，如果它不是确定性的，你就不能复制它产生的值序列。也就是说，只需使用它来生成好的随机种子，然后再存储它们，以便重新运行

希望这有帮助

编辑：

在与@SteveJessop讨论之后，我们得出结论，数据集（或其中的一部分）的简单散列将足以用作您需要的合适种子。这允许在每次运行模拟时以确定性方式生成相同的种子。正如@Steve所述，您必须保证哈希的大小与
std:：mt19937:：state_size
相比不会太小。如果太小，则y正如他所建议的，你可以连接m，m+m，m+2M的散列，直到你有足够的数据

我在这里发布更新后的答案，因为使用散列的想法是我的，但我将投票支持@SteveJessop的答案，因为他对此做出了贡献。
两个选项：

按照你的建议，但不要使用
std:：random_device r；
为MT生成种子序列，而是使用不同的PRNG，使用
m
种子。选择一个不会像MT那样在使用小种子数据时需要预热的PRNG：我怀疑LCG可能会这样做。对于大规模的过度杀伤，你可以n使用基于安全散列的PRNG。如果你听说过的话，这很像密码学中的“密钥拉伸”。事实上，你可以使用标准的密钥拉伸算法，但你正在使用它生成一个长的种子序列，而不是大的密钥材料

继续使用
m
为您的机器翻译设定种子，但
在开始模拟之前丢弃大量恒定的数据。也就是说，忽略使用强种子的建议，而是运行机器翻译足够长的时间，以使其达到一个良好的内部状态。我不知道您需要丢弃多少数据，但我希望互联网是这样的

您链接到的其中一个答案上的注释表示：

巧合的是，默认的C++11种子序列是Mersenne Twister预热序列（尽管现有的实现，例如libc++的mt19937，在提供单值种子时使用更简单的预热）

因此，您可以将当前的固定种子与
std:：seed_seq
一起用于热身

std::mt19937 get_prng(int seed) {
    std::seed_seq q{seed, maybe, some, extra, fixed, values};
    return std::mt19937{q};
}

你不能从PRNG中读取固定数量的数据吗？你的意思是，当你要求新数据时，伪随机序列的质量会提高吗？我的目标是在初始化阶段明确考虑
std:：mt19937:：state_size
，同时保留可再现性。所有随机数生成器都有一个成员函数离子
discard（n）
将内部状态提升，就像调用
operator（）
n
。
discard（n）
操作是否达到了使用与
std:：seed
一样大的
std:：mt19937:：state_size
为PRNG种子的相同结果？要使用的
n
“可能的2"，
std:：hash
不够好。您试图克服的MT问题是，它需要大量非零位种子数据，否则其内部状态大多为0，输出的数据不好。
std:：hash
不是解决这一问题的正确哈希类型。它最多只能提供64位种子数据，更糟糕的是因为它很可能是身份操作。例如，如果您使用
m
的SHA256散列，那么您可能正在做生意。我需要创建
m
不同的数据集，这些数据集将在
m
不同的模拟中使用。我需要数据集是独立的，即每个数据集都是生成的
#include <openssl/sha.h>
#include <sstream>
#include <iomanip>
#include <random>

 std::string sha256(const std::string str) {
    unsigned char hash[SHA256_DIGEST_LENGTH];
    SHA256_CTX sha256;
    SHA256_Init(&sha256);
    SHA256_Update(&sha256, str.c_str(), str.size());
    SHA256_Final(hash, &sha256);

    std::stringstream ss;
    for(int i = 0; i < SHA256_DIGEST_LENGTH; i++) 
        ss << std::hex << std::setw(2) << std::setfill('0') << (int)hash[i];

    return ss.str();
}

std::mt19937 get_generator(unsigned int seed) {
    std::string seed_str = sha256(std::to_string(seed));
    std::seed_seq q(seed_str.begin(), seed_str.end());
    return std::mt19937{q};
}

std::mt19937 get_prng(int seed) {
    std::seed_seq q{seed, maybe, some, extra, fixed, values};
    return std::mt19937{q};
}