c++进阶STL-随机数-蒲公英云

文章目录

- 介绍
- 知识点
- - 库中的Distribution 和 Engine
  - 生成随机序列
  - 其他类型分布
  - - 浮点数分布
    - Normal Distribution
    - Bernoulli distribution

介绍

在新的标准之前，C和C++产生随机数都依赖与简单的C库函数rand()，这个函数产生一个伪随机数均匀分布在[0-system dependent maximum value(at least 32767)]。

但是rand()函数存在问题：有的程序需要不同的随机数范围，有的程序需要浮点随机数，有的程序可能需要的不是均匀分布的随机数。所以在程序员处理、转换这些问题的时候往往可能引入不随机的特性。

为了解决这个为题，新的c++库引入随机数库，定义在头文件中，主要两个类:

Engine	Distribution
生成无符号整型的随机序列	利用Engine，根据特定的分布，返回随机数

random-number generator：指的是distribution 的对象关联一个Engine

知识点

库中的Distribution 和 Engine

详见: c++ prime p883-p885

distribution	说明
均匀分布	**
uniform_int_distribution<types> u(m,n)	产生[m,n]均匀分布的整数
uniform_real_distribution<types> u(m,n)	产生[m,n]默认[0-1]均匀分布的实数
伯努利分布	**
bernoulli_distribution b( p )
binomial_distribution<types>b(t, p)
geometric_distribution<types> g( p )
negative_binomial_distribution<types> nb(k, p)
泊松分布	*
poisson_distribution<types> p(x)
exponential_distribution<types> e (lam)
gamma_distribution <types> g(a, b)
weibull_distribution<types> w (a, b)

正态分布	*
normal_distribution<types> n (m, s)
lognomal_distribution<types> ln (m, s)
chi_squared_distribution<types> c ( x )
cauchy_distribution<types> c (a, b)
fisher_fdistribution<types> f (m, n)
student_tdistribution<types> s( n)
抽样分布	*
discrete_distribution<types> d( i, j )
discrete__distribution<types> d { il }
piecewise_constant_distribution<types> pc(b, e, w)
piecewise_linear_distribution<types> pl(b, e, w)

Engine	说明
default_random_engine
shuffle_order_engine
linear_congruential_engine
mersenne_twister_engine
subtract_with_carry_engine
discard_block_engine
independent_bits_engine

生成随机序列

我们需要注意的是：一个给定的random-number generator每次生成的序列都是一样的(这种情况有时候便于调试)，如下代码：

vector bad_randVec()
{
```
default_random_engine e;
uniform_int_distribution<unsigned int> u(0, 9);
vector<unsigned int> ret;
for(int i=0; i<10; i++)
ret.push_back(u(e));
return ret;
```
}

如果想每个调用这个函数每次生成的序列不一样，有两种方案：

(利用static)：

vector bad_randVec()
{

   static default_random_engine e;
static uniform_int_distribution<unsigned int> u(0, 9);
vector<unsigned int> ret;
for(int i=0; i<10; i++)
ret.push_back(u(e));
return ret;

}

利用seed
- 手动提供种子
defalut_random_engine e(32767); //第一种：初始化的时候
e.seed(32767) // 第二种:　初始化之后，调用成员函数

利用time()函数，头文件

defalut_random_engine e(time(0));
利用random_device，random_device提供()操作符,用来返回一个min()到max()之间的一个数字.可以理解真随机数

std::random_device rd;
defalut_random_engine e(rd(0));

其他类型分布

浮点数分布

以前通常是使用　rand()/RADN_MAX来产生[0 1]的实数均匀分布。但这是不准确的，因为int型相比于浮点数通常是精确度低，所以有的浮点数永远不会生成。

default_random_engine e;
uniform_real_distribution<double> u(0,1);
for(size_t i=0; i<10; i++)
    cout << u(e) << " ";

注意：如果想使用默认的数据类型的分布(通常浮点数：double, 整数：int)，我们传递模板参数为空，如：uniform_real_distribution<> u(0,1)

Normal Distribution

default_random_engine e;
    normal_distribution<> n(4, 1.5);
    vector<unsigned> vals(9); //记录0-9的每个数字的个数
    for(size_t i=0; i<200; i++)
    { 
    unsigned v = lround(n(e));
    if(v< vals.size())
        ++vals[v];
    }
    for(size_t j=0; j!= vals.size(); ++j)
    cout << j << ": " << string(vals[j], '*') << endl;

在这里插入图片描述

Bernoulli distribution

这不是一个模板类，是一个普通类，返回总是bool value
举例：假如你和电脑玩游戏，总有一个人先开始，who is first，我们可以通过 uniform_int_distribution (0, 1); 或者可以通过Bernoulli distribution来make a choice。

string resp;
default_random_engine e;
bernoulli_distribution b;  // 默认 返回 true : false = 0.5 : 0.5
//bernoulli_distribution b(0.55); // 返回 true:false = 0.55:0.45
do
{ 
    bool first = b(e);
    cout << (first ? "computer first" : "you first") << endl;
    cout << (play_game(first) ? "sorry, you lost" : "congratulations, you won" ) << endl;
    cout << "pay again? enter yes or no" << endl;
}while(cin >> resp && resp[0] == 'y')