复制 java.util.Random 类型的实例变量以创建相同状态的对象

Question

我正在实现 simulated annealing (SA) 算法，我需要在其中复制状态（例如，记住迄今为止的最佳解决方案）。

我实现了一个复制方法，因为不鼓励使用java的clone()。

SA 是一种启发式算法，因此下一步要采取的措施是随机确定的。这是通过使用Random 对象来完成的，我也想复制它。

虽然算法不需要它，但我希望副本具有完全相同的状态。 但这只是这种情况，如果我在创建对象后直接进行“复制”并使用相同的种子对其进行初始化。

但是如果我在复制过程之前随机执行一些操作，Random 对象的内在状态（即种子）会发生变化，并且复制的行为会有所不同。

那么我怎样才能获得java.util.Random 实例的精确副本？

---

示例

public class State
{
  private final Random r;
  private final long seed;

  private Object currentOperand;

  public State()
  {
    this(System.nanoTime(), null);
  }

  private State(long seed, Object currentOperand)
  {
    this.seed = seed;
    this.r = new Random(seed);
    this.currentOperand = currentOperand;
  }

  public State copy()
  {
    return new State(seed, currentOperand);
  }

  public void doSth()
  {
    /* operation with random operand */
    currentOperand = r.nextInt(100);
  }

  public void redo()
  {
    // redo then set to null
    currentOperand = null;
  }

  /* for completeness' sake... since it's simulated annealing */
  public int computeEnergy() { return 0; }
}

Answer 1

我想出了一个自己的解决方案。它主要覆盖Random 中的next()（因为所有其他方法都依赖于那个），以及其他一些保持一致性的东西。

它提供了调用此方法的实例的精确副本（制作随机实例的副本是否有意义是另一个话题...^^）。它的行为应该完全像它的超类，至少这是我的意图。

请随意添加您的想法！

由于其他问题是关于获取种子的：可以轻松地将getSeed() 方法添加到我的解决方案中。或getInitialSeed()、getCurrentSeed()。

/* Bounded parameter type since a class that implements this interface
 * should only be able to create copies of the same type (or a subtype).
 */
public interface Copyable<T extends Copyable<T>>
{
  public T copy();
}

---

public class CopyableRandom extends Random implements Copyable<CopyableRandom>
{
  private final AtomicLong seed = new AtomicLong(0L);

  private final static long multiplier = 0x5DEECE66DL;
  private final static long addend = 0xBL;
  private final static long mask = (1L << 48) - 1;

  public CopyableRandom() { this(++seedUniquifier + System.nanoTime()); }
  private static volatile long seedUniquifier = 8682522807148012L;

  public CopyableRandom(long seed) { this.seed.set((seed ^ multiplier) & mask); }

  /* copy of superclasses code, as you can seed the seed changes */
  @Override
  protected int next(int bits)
  {
    long oldseed, nextseed;
    AtomicLong seed_ = this.seed;
    do
    {
      oldseed = seed_.get();
      nextseed = (oldseed * multiplier + addend) & mask;
    } while (!seed_.compareAndSet(oldseed, nextseed));
    return (int) (nextseed >>> (48 - bits));
  }

  /* necessary to prevent changes to seed that are made in constructor */
  @Override
  public CopyableRandom copy() { return new CopyableRandom((seed.get() ^ multiplier) & mask); }

  public static void main(String[] args)
  {
    CopyableRandom cr = new CopyableRandom();

    /* changes intern state of cr */
    for (int i = 0; i < 10; i++)
      System.out.println(cr.nextInt(50));

    Random copy = cr.copy()

    System.out.println("\nTEST: INTEGER\n");
    for (int i = 0; i < 10; i++)
      System.out.println("CR\t= " + cr.nextInt(50) + "\nCOPY\t= " + copy.nextInt(50) + "\n");

    Random anotherCopy = (copy instanceof CopyableRandom) ? ((CopyableRandom) copy).copy() : new Random();
    System.out.println("\nTEST: DOUBLE\n");
    for (int i = 0; i < 10; i++)
      System.out.println("CR\t= " + cr.nextDouble() + "\nA_COPY\t= " + anotherCopy.nextDouble() + "\n");
  }
}

这里是main方法的输出：

19
23
26
37
41
34
17
28
29
6

TEST: INTEGER

CR      = 3
COPY    = 3

CR      = 18
COPY    = 18

CR      = 25
COPY    = 25

CR      = 9
COPY    = 9

CR      = 24
COPY    = 24

CR      = 5
COPY    = 5

CR      = 15
COPY    = 15

CR      = 5
COPY    = 5

CR      = 30
COPY    = 30

CR      = 26
COPY    = 26


TEST: DOUBLE

CR      = 0.7161924830704971
A_COPY  = 0.7161924830704971

CR      = 0.06333509362539957
A_COPY  = 0.06333509362539957

CR      = 0.6340753697524675
A_COPY  = 0.6340753697524675

CR      = 0.13546677259518425
A_COPY  = 0.13546677259518425

CR      = 0.37133033932410586
A_COPY  = 0.37133033932410586

CR      = 0.796277965335522
A_COPY  = 0.796277965335522

CR      = 0.8610310118615391
A_COPY  = 0.8610310118615391

CR      = 0.793617231340077
A_COPY  = 0.793617231340077

CR      = 0.3454111197621874
A_COPY  = 0.3454111197621874

CR      = 0.25314618087856255
A_COPY  = 0.25314618087856255

---

我还进行了一项测试，将 CopyableRandom 与 Random 进行了比较。它产生了相同的结果。

long seed = System.nanoTime();

Random cr  = new CopyableRandom(seed);
Random cmp = new Random(seed);

Answer 2

我知道这是一个已被接受的老问题，但我自己在寻找答案时遇到了这个问题，我最终采取了不同的方法。

看到上面 mike 的注释，Random 实现了Serializable，我只是用它来制作副本：

/**
 * Uses serialization to create a copy of the given Random, needed for
 * repeatability in some tests.
 */
public static Random cloneRandom(Random src) throws Exception {
    ByteArrayOutputStream bo = new ByteArrayOutputStream();
    ObjectOutputStream oos = new ObjectOutputStream(bo);
    oos.writeObject(src);
    oos.close();
    ObjectInputStream ois = new ObjectInputStream(
            new ByteArrayInputStream(bo.toByteArray()));
    return (Random)(ois.readObject());
}

它的性能可能不如 mike 的 CopyableRandom，但它要简单得多，并且足以满足我的小单元测试。

（我有一个现有的单元测试，它以具有已知种子的Random 开始，然后执行了一系列操作；我试图在测试的中间中添加一点，并想要一份Random 的副本；在测试中间调用nextLong() 或类似的方法来获取/a 种子会改变种子，从而破坏测试的其余部分。真的我只是想要@ 之类的东西987654328@.)

Answer 3

我认为你应该存储在你的 State 类中，不仅是开始种子，还有你已经调用 nextInt() 的次数。这是由于Random 生成伪随机数字序列的内在事实。那就是：

伪随机数生成器可以使用种子状态从任意起始状态开始。此后，当使用该状态初始化时，它将始终产生相同的序列

让我先用一个示例来解释一下：

public static void main(String[] args){

     Random r = new Random(42);      
     Random s = new Random(42);

     for(int i = 0; i < 5; i++){
       System.out.println("First random " +r.nextInt());
     }

     for(int i = 0; i < 5; i++){
       System.out.println("Second random " +s.nextInt());
     }

  }

结果是：

First random -1170105035
First random 234785527
First random -1360544799
First random 205897768
First random 1325939940
Second random -1170105035
Second random 234785527
Second random -1360544799
Second random 205897768
Second random 1325939940

由于两个 Random 实例都以相同的种子开始，我总是得到相同的数字序列。

因此，在复制对象时，您应该将新的 Random 初始化到相同的源种子（您已经这样做了）和 “consume” 尽可能多地调用您已经使用过的 nextInt()在源对象中（这就是为什么你必须保留这个数字）。

完成此操作后，在副本上调用nextInt() 将为您提供与源对象相同的结果。我希望我的代码足以重构你的代码，让你理解我的解决方案。

要更好地理解伪随机数生成器（PRNG），也称为确定性随机位生成器（DRBG），可以看一下这个Wikipedia article