置换同余生成器（64 位，PCG64 DXSM）

类 numpy.random。PCG64DXSM（种子=无）

PCG-64 DXSM 伪随机数生成器的 BitGenerator。

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

PCG-64 DXSM 是 O'Neill 置换同余生成器的 128 位实现（[1]、[2]）。 PCG-64 DXSM 的周期为\(2^{128}\)并支持推进任意数量的步骤以及\(2^{127}\)溪流。我们使用的 PCG 系列的特定成员是 PCG CM DXSM 128/64。它的不同之处PCG64在于它使用了更强的DXSM输出功能，即LCG中的64位“廉价乘法器”，并且从前进之前的状态输出，而不是前进然后输出。

PCG64DXSM提供一个胶囊，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。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。

advance支持使RNG 前进任意步数的方法。 PCG-64 DXSM RNG 的状态由 2 128 位无符号整数表示。

状态和种子

状态PCG64DXSM向量由 2 个无符号 128 位值组成，这些值在外部表示为 Python 整数。一是 PRNG 的状态，它由线性同余发生器 (LCG) 推进。第二个是 LCG 中使用的固定奇数增量。

输入种子经过处理以SeedSequence生成两个值。增量不可单独设置。

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, PCG64DXSM, SeedSequence
>>> sg = SeedSequence(1234)
>>> rg = [Generator(PCG64DXSM(s)) for s in sg.spawn(10)]

兼容性保证

PCG64DXSM保证固定种子总是产生相同的随机整数流。

参考

[ 1 ]

“PCG，一系列更好的随机数生成器”

[ 2 ]

O'Neill, Melissa E. “PCG：一系列简单、快速、节省空间、统计良好的随机数生成算法”

状态

state

获取或设置 PRNG 状态

并行生成

advance（三角洲）	推进基础 RNG，就好像 Delta 抽签已经发生一样。
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