C++ C++；快速正态随机数发生器

我正在使用

mt19937

生成器生成正常随机数，如下所示：

normal_distribution<double> normalDistr(0, 1);    
mt19937 generator(123);
vector<double> randNums(1000000);
for (size_t i = 0; i != 1000000; ++i)
{
    randNums[i] = normalDistr(generator);
}

---

如果确实是生成器导致性能下降，则使用普通的

rand

函数（需要成对绘制数字），将其转换为0中的浮点或双精度，然后应用Box-Muller变换

这在时间上很难击败，但请注意，统计特性并不比兰德好多少

---

gasdev的数字配方例程可以做到这一点-您应该能够下载副本。

您还需要查看std:：vector reserve，而不是调整大小。它将允许您在一次拍摄中获得所需的所有内存。我想你不需要一次就把1亿个双打都用上

最重要的是，您真的需要同时使用100000000个随机数吗？所有这些数据的写入和随后从RAM读取不可避免地需要大量时间。如果你一次只需要一个随机数，你应该避免

假设您确实需要RAM中的所有这些数字，那么您应该首先 如果您真的想知道CPU时间在哪里花费/损失，请配置您的代码

其次，您应该避免不必要的数据重新分配和初始化。使用

std:：vector:：reserve（final\u size）

和

std:：vector:：push\u back（）

可以很容易地做到这一点

第三，您可以使用比std:：mt19937更快的RNG。当数字的质量非常重要时，建议使用RNG。表示（在中实现的）是快速的，但是它可能没有足够长的重复周期——您必须检查这一点。或者，您可能希望使用

std:：min\stdrand

（使用）

std:：vector使正常随机（std:：size\t编号，
标准：：uint_fast32_t seed）
{
标准：正态分布正态分布（0,1）；
标准：最小标准和发生器（种子）；
std：：矢量随机数；
随机储备（数量）；
while（数字--）
randNums.推回（正常分布（生成器））；
返回随机数；
}

我不相信这是RNG。你分析过你的代码吗？@user207933我错了。它应该说：而不是使用

向量随机数（1000000）

您可以使用

矢量随机数；随机储备（1000000）。这将节省将所有元素设置为0的时间。也许您可以考虑不生成1亿个随机数。你为什么需要这么多？你在问一个关于优化的问题。请包括评测代码的结果。瓶颈很有可能不在你认为的地方。@所有认为高质量RNG并将其映射到正态分布的人都很便宜：根据我（昏昏欲睡）的计算，在gdb中单步执行时，每次数字生成循环迭代大约需要485条指令。（我想我数错了一两次）。其中许多是FP mul和add，它们有3个和5个周期的延迟（在Intel SnB上）。因此，生成一个随机数并将其映射到正态分布并不便宜。（顺便说一句，我认为很多成本来自正态分布，而不是MT PRNG）。
std:：normal_distribution
已经做到了（Box-Muller变换）。不能推荐C++中的<代码> RAND（）/<代码>。数字配方不是免费软件，但需要许可证。
std::normal_distribution<double>::_Eval<std::mersenne_twister_engine<unsigned int,32,624,397,31,2567483615,11,4294967295,7,2636928640,15,4022730752,18,1812433‌​253> >

std::vector<double> make_normal_random(std::size_t number,
                                       std::uint_fast32_t seed)
{
  std::normal_distribution<double> normalDistr(0,1);    
  std::min_stdrand generator(seed);
  std::vector<double> randNums;
  randNums.reserve(number);
  while(number--)
    randNums.push_back(normalDistr(generator));
  return randNums;
}