在并行计算中使用 rng('shuffle') 函数

Question

我在Matlab 中有一个用于并行计算的parfor 循环。我希望在 8 个工作人员上每次调用这些 parforloops 时都有不同的随机数。如果我不使用rng('shuffle') 函数，我对randperm(10) 有相同的随机数。在这种情况下，我的代码在所有工作人员中同时在 randperm 之前运行 rng('shuffle') 函数。在这种情况下我有不同的随机数吗？当我在 parfor 循环中看到 randperm 输出时，其中一些输出是相同的！

我需要在rng('shuffle') 之前保存rng 并在结束并行循环后使用rng(saved_rng) 之类的东西？

我们在Matlab 帮助中有这个：

注意因为 rng('shuffle') 是基于随机数生成器的种子 在当前时间，你不应该使用这个命令来设置随机 如果您想确保独立，则在不同的工作人员上进行号码流 流。当命令发送到多个 同时工作人员，例如在 parfor、spmd 或 沟通工作。对于工作人员的独立流，使用 默认行为；或者如果这不足以满足您的需求， 考虑在每个工作人员上使用唯一的子流。

那我该怎么办？如果我删除rng，我会有不同的随机数吗？我有这些代码的两个版本。其中之一是使用parfor 和其他使用for 循环进行计算，我可以从for 循环中删除shuffle 吗？在这种情况下我有不同的随机数？

谢谢。

附言

我可以有这些结构：

parfor I=1:X
xx = randperm(10)
end


parfor I=1:X
rng('shuffle');
xx = randperm(10)
end

rng('shuffle');
parfor I=1:X
xx = randperm(10)
end

我想从randperm 函数中获得不同的随机数。我怎样才能做到这一点？对于for 结构，我需要shuffle 函数（没有它，随机数是相同的）但是当我将它添加到parfor 时，randperm 的一些随机输出是相同的！

Answer 1

要正确执行此操作，您需要选择支持并行子流的 RNG 算法（换句话说，您可以将随机流拆分为子流，并且每个子流仍然具有您想要的正确统计属性随机流）。

默认的 RNG 算法（Mersenne Twister 或 mt19937ar）不支持并行子流，但 MATLAB 支持两种算法（乘法滞后斐波那契生成器 mlfg6331_64 和组合的多重递归生成器 mrg32k3a）。

例如：

s = RandStream.create('mrg32k3a','NumStreams',4,'Seed','shuffle','CellOutput',true)

s 现在是一个随机数子流的元胞数组。都具有相同的种子，如果需要，您可以记录 s{1}.Seed 以进行重现。

现在，您可以调用 rand(s{1})（或 randn(s{1})）从流 1 中生成随机数，依此类推。使用reset(s{1}) 将流重置为其初始配置，您应该会发现每个流都可以单独重现。

然后，每个工作人员都可以生成随机数，这种方式在统计上仍然合理，并且即使在并行时也可以重现：

parfor i = 1:4
    rand(s{i})
end

有关更多信息，请查看加速统计计算下的统计工具箱文档。那里有几篇文章带您了解所有复杂的细节。如果您没有 Statistics Toolbox，请参阅 MathWorks 网站上的在线文档。