C++ 快速正态随机数生成器答案

【问题标题】：C++ fast normal random number generatorC++ 快速正态随机数生成器
【发布时间】：2016-02-21 15:29:21
【问题描述】：

我正在使用mt19937 生成器生成正常的随机数，如下所示：

normal_distribution<double> normalDistr(0, 1);    
mt19937 generator(123);
vector<double> randNums(1000000);
for (size_t i = 0; i != 1000000; ++i)
{
    randNums[i] = normalDistr(generator);
}

上面的代码可以工作，但是由于我在我的代码中生成了超过 1 亿个正常随机数，所以上面的代码非常慢。

有没有更快的方法来生成正常的随机数？

以下是有关如何使用代码的一些背景知识：

随机数的质量并不那么重要
数字的精度不是那么重要，double 或 float 都可以
正态分布的均值 = 0 和 sigma = 1

编辑：

@Dúthomhas，安德鲁：

分析后，以下函数占用了超过 50% 的时间：

std::normal_distribution<double>::_Eval<std::mersenne_twister_engine<unsigned int,32,624,397,31,2567483615,11,4294967295,7,2636928640,15,4022730752,18,1812433‌253> >

【问题讨论】：

我不相信这是 RNG。你分析过你的代码吗？
@user2079303 我错了。应该说：您可以使用vector<double> randNums; randNums.reserve(1000000);，而不是使用vector<double> randNums(1000000);。这样可以节省将所有元素设置为 0 的时间。
也许您可以考虑不生成 1 亿个随机数。为什么需要这么多？
您在问一个关于优化的问题。请在您的代码中包含分析的结果。瓶颈很可能不在您认为的位置。
@everyone 认为高质量的 RNG 并将它们映射到正态分布很便宜：根据我在 gdb 中单步执行时的（昏昏欲睡的）计数，每次大约需要 485 条指令数字生成循环的迭代，when compiled with gcc 5.2 -O3 -ffast-math。（我想我数不清一次或两次）。其中许多是 FP mul 和 add，它们具有 3 和 5 个周期的延迟（在 Intel SnB 上）。所以生成一个随机数并将其映射到正态分布是不便宜。（顺便说一句，我认为很多成本来自正态分布，而不是 MT PRNG）。

标签： c++ random normal-distribution

【解决方案1】：

最重要的是，你真的需要同时 100,000,000 个随机数吗？所有这些数据的写入和随后从 RAM 中读取不可避免地需要大量时间。如果您一次只需要一个随机数，则应该避免这种情况。

假设您确实需要 RAM 中的所有这些数字，那么您应该首先如果您真的想知道 CPU 时间在哪里花费/丢失，请分析您的代码。

其次，您应该避免不必要的数据重新分配和初始化。将std::vector::reserve(final_size) 与std::vector::push_back() 结合使用最容易做到这一点。

第三，您可以使用比std::mt19937 更快的RNG。当数字的质量很重要时，建议使用 RNG。 online documentation 表示lagged Fibonacci generator（在std:: subtract_with_carry_engine 中实现）速度很快，但它可能没有足够长的重复周期——您必须检查这一点。或者，您可能想使用std::min_stdrand（它使用linear congruential generator）

std::vector<double> make_normal_random(std::size_t number,
                                       std::uint_fast32_t seed)
{
  std::normal_distribution<double> normalDistr(0,1);    
  std::min_stdrand generator(seed);
  std::vector<double> randNums;
  randNums.reserve(number);
  while(number--)
    randNums.push_back(normalDistr(generator));
  return randNums;
}

【讨论】：

【解决方案2】：

您还需要查看 std::vector 保留而不是调整大小。它将允许您在 1 次拍摄中获得所需的所有内存。我假设您不需要一次全部 1 亿个双打？

【讨论】：

【解决方案3】：

如果确实是生成器导致性能下降，则使用普通的rand 函数（需要成对绘制数字），在 0、1 中转换为浮点数或双精度数，然后应用 Box Muller转型。

这在时间上很难被击败，但请注意，统计属性并不比 rand 好。

一个数字配方例程 gasdev 可以做到这一点 - 你应该可以下载一个副本。

【讨论】：

std::normal_distribution 已经做到了（Box-Muller 变换）。不建议在 C++ 中使用 rand()。
数字食谱不是免费软件，但需要许可证。