C++ 如何使用std:：rand生成非重复的随机数序列

在最后一个示例中，生成的序列是：

1 1 6 5 2 2 5 5 6 2

我如何保证生成的所有数字在它们之间是不同的？如果这是可能的，如果我们生成的数字超过了游侠的大小，那么我们的预期行为是什么

我之所以需要它，是因为我必须在

cv:：Mat

中随机选择少量行（比如10行），其中有数十万行（甚至数百万行）。

当然。对于真正的生成器，获取数字的可能性不依赖于以前的任何数字。伪随机数生成器试图很好地模拟这种特性

如果您希望生成不重复的数字，那么最好的办法是围绕

std:：shuffle

：即定义所需的数字，然后将其洗牌。

当然。对于真正的生成器，获取数字的可能性不依赖于以前的任何数字。伪随机数生成器试图很好地模拟这种特性

如果您希望生成不重复的数字，那么最好的解决方案是围绕

std:：shuffle

：即定义所需的数字，然后对其进行shuffle

我之所以需要它，是因为我必须在

cv:：Mat

中随机选择一小部分行（比如10行），其中包含数十万（甚至数百万）行

模板
标准：：向量选取部分（标准：：大小计数，标准：：大小最大值，生成器和g）{
ASSERT（count*2最大值）抛出标准：：超出范围（“计数”）；
ASSERT（count<1000）；//O（n^2）实现，对于较大的count来说速度较慢
std：：选择载体；
均匀分布（0，最大值）；
while（selected.size（）

这假设max与count相比相当大，count很小

对于较大的计数，您可以使用

std:：unordered_集

或类似的集替换

selected

（删除线性查找）

对于小计数，线性查找将更快

当计数接近最大值时，您可以找到不选择的元素。然后倒过来

但这两个都超出了你的问题范围，所以我只是提出了主张

我之所以需要它，是因为我必须在

cv:：Mat

中随机选择一小部分行（比如10行），其中包含数十万（甚至数百万）行

模板
标准：：向量选取部分（标准：：大小计数，标准：：大小最大值，生成器和g）{
ASSERT（count*2最大值）抛出标准：：超出范围（“计数”）；
ASSERT（count<1000）；//O（n^2）实现，对于较大的count来说速度较慢
std：：选择载体；
均匀分布（0，最大值）；
while（selected.size（）

这假设max与count相比相当大，count很小

对于较大的计数，您可以使用

std:：unordered_集

或类似的集替换

selected

（删除线性查找）

对于小计数，线性查找将更快

当计数接近最大值时，您可以找到不选择的元素。然后倒过来

---

---

但这两个问题都超出了您的问题范围，所以我只是提出了断言。

是的，这是可能发生的。另外，必须说明的是：如果所有的数字都不同，它们现在就不一样了，不是吗。与实数不同，只有有限数量的doubles…“如果所有的数字都不同，它们现在就不一样了，是吗？”我整个周末都在考虑这个问题。直到@KerrekSB提到这一点之前，我一直在考虑这个问题。我妻子今晚出去了。带着一瓶好酒，我将着手写一份证明。是的，这是可能发生的。另外，必须说明的是：如果所有的数字都不同，它们现在就不一样了，不是吗。与实数不同，只有有限数量的doubles…“如果所有的数字都不同，它们现在就不一样了，是吗？”我整个周末都在考虑这个问题。直到@KerrekSB提到这一点之前，我一直在考虑这个问题。我妻子今晚出去了。带着一瓶好酒，我将开始写一个证明。谢谢你的回答，

std:：shuffle

绝对是个好主意。如果我有数百万个元素呢？创建和洗牌一个向量（如）可能会耗费大量内存和时间，你不认为吗？你可能会得到一个1d Sobol序列。Sobol序列是均匀分布的一个很好的近似值，从数学上讲，它不会产生重复。您可能可以对其输出的各个部分进行随机播放。感谢您的回答，

std:：shuffle

绝对是个好主意。如果我有数百万元素呢？创建和洗牌一个向量（如）可能会耗费大量内存和时间，你不认为吗？你可能会得到一个1d Sobol序列。Sobol序列是均匀分布的一个很好的近似值，从数学上讲，它不会产生重复。你可能可以洗牌它的输出部分。所以如果我理解正确，你只需随机选择一个数字，如果它已经被选中，你只需丢弃它。在我的问题中，

count

在10到50之间，但是

max

是高度可变的。为了让您了解，在一些非常罕见的情况下（1/5k），我们有

count>max

，我必须选择所有行。这有点不可预测，因为矩阵行是图像中“感兴趣点”的数量（根据算法）。@justHelloWorld您的问题说明您想要一个解决方案，从1000行、数百万行或r中选择少量行

template<class Generator>
std::vector<std::size_t> pick_some( std::size_t count, std::size_t max, Generator& g ) {
  ASSERT(count*2 < max); // massively slow if count is close to max
  if (count > max) throw std::out_of_range("count");
  ASSERT(count < 1000); // O(n^2) implementation, slow for large count
  std::vector<std::size_t> selected;
  uniform_int_distribution<std::size_t> distribution(0,max);
  while (selected.size() < count) {
    auto v = distribution(g);
    if (std::find( begin(selected), end(selected), v ) != end(selected))
      continue;
    selected.push_back(v);
  }
  return selected;
}