Numpy 连续RNG种子是否产生独立的随机数？

我有一个使用随机模拟的脚本。此脚本在集群上运行多次（大约100次）。当然，我希望每个脚本的结果彼此独立，但是我也希望结果可以复制。 因此，我想在脚本的开头设置随机数生成器的种子，但是这个种子在集群上的每次运行中当然必须不同

我想这样做：

import sys
import numpy as np
# sys.argv[1] is the number of the job on the cluster
np.random.seed(int(sys.argv[1]))

---

然而，这当然给了我连续的种子（1,2,3…）。随机数（最终）是这些连续种子的结果是随机和独立的吗？

对于许多PRNG设计，使用顺序种子初始化的实例可能导致具有不希望的相关性的随机序列。这在中进行了说明。为了减少出现此问题的可能性，应使用不相关的种子初始化这些实例（另请参见“”）。

当然，它们实际上并不独立。相关的问题是，他们看起来是否独立。有了精心设计的PRNG，他们应该。你可以自己运行一些统计测试来验证。