Установка начального толчка :: random

Question

Я хотел бы сбросить случайные последовательности, используя разные семенные числа. При выполнении этого тестового кода:

boost::mt19937 gener(1); 
boost::normal_distribution<> normal(0,1); 
boost::variate_generator<boost::mt19937&,boost::normal_distribution<> > rng(gener, normal); 
cout << rng() << endl; 
cout << rng() << endl; 
cout << rng() << endl; 
gener.seed(2); 
cout << rng() << endl; 
cout << rng() << endl; 
gener.seed(1); 
cout << rng() << endl; 
gener.seed(2); 
cout << rng() << endl; 
gener.seed(3); 
cout << rng() << endl; 

Я получаю следующий вывод:

# seed(1) via constructor 
-2.971829031 
1.706951063 
-0.430498971 
# seed(2) 
-2.282022417 
-0.5887503675 
# seed(1) 
0.2504171986 
# seed(2) 
-0.5887503675 
# seed(3) 
0.2504171986 

Очевидно, что я делаю что-то очень неправильно. Как я могу решить эту проблему?

Answer 1

После Джим, Алан и Игорь предложения внесли некоторые изменения в коде: rng.engine().seed() вместо gener.seed() и называется rng.distribution().reset() после вызова rng.engine().seed() и он работал как шарм.

Большое спасибо!

Answer 2

Я считаю, что boost::variate_generator<> делает копию вашего объекта boost::mt19937 gener. Итак, когда вы перегружаете свою копию gener, она не влияет на объект rng, который уже создан . Построение нового объекта rng при каждом повторном подаче должно дать вам поведение, которое вы хотите (отказ от ответственности: не проверен!)

Answer 3

Вызвать normal.reset() после вызова функции gener.seed(). Это указано для обеспечения того, что выход нормали не будет зависеть от любого предыдущего выхода из генератора.

(распределение, вероятно, кэширование какое-то состояние, что вам нужно очистить.)

Answer 4

Отлично, что проблема решена! Но я думаю, я просто понял, почему метод Алана не будет работать ...

При написании boost::variate_generator<boost::mt19937&,boost::normal_distribution<> > rng(gener, normal), вы не создали еще одну копию gener, потому что это вызов по ссылке, но сделал создать еще одну копию normal с variate_generate.

Таким образом, вместо normal.reset, который только сбрасывает оригинал normal, вы должны использовать rng.distribution().reset(). Но вы можете просто оставить gener.seed(), который, как я подозреваю, будет иметь такой же эффект, как rng.engine().seed().

Я тестировал его в своем коде, и он работал, как ожидалось.

Ну, на всякий случай кто-то будет все равно :)