梅森扭曲者 (MT19937) #

numpy.random。MT19937种子=#

Mersenne Twister 伪随机数生成器的容器。

参数
种子{None, int, array_like[ints], SeedSequence},可选

用于初始化 的种子BitGenerator。如果没有,那么将从操作系统中提取新的、不可预测的熵。如果传递了intor array_like[ints],则将传递它以 SeedSequence导出初始BitGenerator状态。也可能会通过一个SeedSequence实例。

笔记

MT19937提供了一个胶囊,其中包含生成双精度数以及无符号 32 和 64 位整数的函数指针[1]。这些在 Python 中不能直接使用,必须由Generator 支持低级访问的对象或类似对象使用。

Python stdlib 模块“random”还包含 Mersenne Twister 伪随机数生成器。

状态和种子

状态MT19937向量由 624 个 32 位无符号整数数组以及一个介于 0 到 624 之间的整数值组成,该整数值索引主数组中的当前位置。

输入种子经过处理以SeedSequence填充整个状态。第一个元素被重置,以便仅设置其最高有效位。

并行特性

在并行应用程序中使用 BitGenerator 的首选方法是使用该SeedSequence.spawn方法获取熵值,并使用这些值生成新的 BitGenerator:

>>> from numpy.random import Generator, MT19937, SeedSequence
>>> sg = SeedSequence(1234)
>>> rg = [Generator(MT19937(s)) for s in sg.spawn(10)]

另一种方法是使用MT19937.jumped将状态推进为仿佛 \(2^{128}\)已生成随机数([1][2])。这允许分割原始序列,以便在每个工作进程中可以使用不同的段。所有生成器都应链接起来,以确保片段来自相同的序列。

>>> from numpy.random import Generator, MT19937, SeedSequence
>>> sg = SeedSequence(1234)
>>> bit_generator = MT19937(sg)
>>> rg = []
>>> for _ in range(10):
...    rg.append(Generator(bit_generator))
...    # Chain the BitGenerators
...    bit_generator = bit_generator.jumped()

兼容性保证

MT19937保证固定种子总是产生相同的随机整数流。

参考

[ 1 ] ( 1 , 2 )

Hiroshi Haramoto、Makoto Matsumoto 和 Pierre L'Ecuyer,“多项式空间中线性递归的快速跳转算法”,序列及其应用 - SETA,290–298,2008。

[ 2 ]

Hiroshi Haramoto、Makoto Matsumoto、Takuji Nishimura、François Panneton、Pierre L'Ecuyer,“F2 线性随机数生成器的高效跳转”,INFORMS JOURNAL ON COMPUTING,卷。 20,第 3 期,2008 年夏季,第 385-390 页。

属性
锁:线程.Lock

锁定共享的实例,以便同一个 git 生成器可以在多个生成器中使用,而不会破坏状态。从位生成器生成值的代码应该持有位生成器的锁。

状态

state

获取或设置 PRNG 状态

并行生成#

jumped([跳跃])

返回状态跳转的新位生成器

扩展#

cffi

CFFI接口

ctypes

ctypes接口