C++ C++；TR1：如何使用正态分布？

我试图使用C++STD TechnicalReport1扩展来生成服从正态分布的数字，但这段代码（改编自）：

mt19937英语；
种子；
正态分布区；
//XXX如果我使用下面的一个，它将退出for循环
//统一区（1,52）；
for（无符号整数i=0；i<1000；++i）{
cout虽然这似乎是一个bug，但快速确认是传递默认的0.0、1.0参数。
正态分布：：正态分布（）
应该等于
正态分布：：正态分布（0.0，1.0）
这肯定不会挂起程序。但是，不确定它是否真的满足您的需要

 #include <random>
 #include <iostream>

 using namespace std;

 typedef std::tr1::ranlux64_base_01 Myeng; 

 typedef std::tr1::normal_distribution<double> Mydist; 

 int main() 
 { 
      Myeng eng; 
      eng.seed(1000);
      Mydist dist(1,10); 

      dist.reset(); // discard any cached values 
      for (int i = 0; i < 10; i++)
      {
           std::cout << "a random value == " << (int)dist(eng) << std::endl; 
      }

 return (0); 
 }

#包括
#包括
使用名称空间std；
typedef std:：tr1:：ranlux64_base_01 Myeng；
typedef std:：tr1:：正态分布Mydist；
int main（）
{ 
英明；
工程种子（1000）；
Mydist（1,10）；
dist.reset（）；//放弃任何缓存的值
对于（int i=0；i<10；i++）
{
如果您的TR1随机数生成实现有缺陷，您可以通过编写自己的普通生成器来避免TR1，如下所示

使用您信任的任意随机生成器生成两个均匀（0，1）的随机样本u和v。然后让r=sqrt（-2 log（u））并返回x=r sin（2 pi v）。（这称为Box-Mueller方法。）

如果您需要具有平均μ和标准偏差σ的正常样本，请返回σ*x+mu，而不仅仅是x。
我对最初发布的代码有相同的问题，并调查了的GNU实现

首先是一些观察：
使用g++-4.4并使用代码挂起，
使用g++-4.5并使用-std=c++0x（即不是TR1而是真实的东西）以上代码可以工作

在随机数生成和随机数消耗之间的适配器方面，TR1和c++0x之间发生了变化——mt19937生成整数，正态分布消耗双倍

c++0x自动使用自适应，而g++TR1代码不使用

为了使您的代码能够使用g++-4.4和TR1，请执行以下操作

std::tr1::mt19937 prng(seed);
std::tr1::normal_distribution<double> normal;
std::tr1::variate_generator<std::tr1::mt19937, std::tr1::normal_distribution<double> > randn(prng,normal);
double r = randn();

std:：tr1:：mt19937 prng（种子）；
std:：tr1:：正态分布正态分布；
标准：：tr1：：变量发生器randn（prng，正常）；
双r=randn（）；
它也不起作用，它仍然无法执行第一次计算..谢谢，它工作起来很有魅力，但我想知道为什么这个引擎可以工作，而另一个引擎不行..显然唯一的区别是你使用的是mt19937数字生成器，而Jagannath使用的是std:：tr1:：ranlux64_base_01。逻辑上，我猜错误可能存在于mt19937对象的实现中（algo，我在您之前从未听说过，thx表示：-））这不是std库的一部分。在绘制随机数时，有可能对这样一个for循环进行矢量化吗？我记得你不能对一个有函数调用的循环进行矢量化。只是尝试了一下。它运行得非常快——用1M个样本进行了测试，它为1-sigma、2-sigma等范围内的样本提供了几乎完美的统计数据。
std::tr1::mt19937 prng(seed);
std::tr1::normal_distribution<double> normal;
std::tr1::variate_generator<std::tr1::mt19937, std::tr1::normal_distribution<double> > randn(prng,normal);
double r = randn();