【问题标题】:What is Big-O runtime of the standard random number generator in python? (Worst-case)python中标准随机数生成器的Big-O运行时是什么? (最坏的情况下)
【发布时间】:2015-04-05 20:19:52
【问题描述】:

示例 python2 代码:

for i in range(N):
    print str(random.randint(0, N))

假设随机数生成器在 O(1) 中运行是否安全,因此上述循环(仅打印 0 - N 范围内的 N 个随机数)是 O(N)?

【问题讨论】:

  • Python 使用 MT19937 (Mersenne Twister)。它几乎在恒定时间内运行。但是randint() 使用rejection sampling 平均有[2^floor(log N)]/N 个样本。
  • 更正:平均[2^ceil(log N)]/N 次试验。
  • O-notation 是一种无意义的测量 PRNG 的方法。 每个 PRNG 生成的位数为 O(n)。我不知道有任何例外——即使是非常慢的 BlumBlumShub,也是 O(n) 且常数很大。

标签: python algorithm random big-o


【解决方案1】:

random.randint(0, N) 可能是O(log N),即它与N 中的位数成正比。

The implementation confirms it 如果我们假设.getrandbits(k) 是O(k)。

It seems to be true for CPython 如果genrand_int32() 是O(1)。 The source (for Mersenne Twister PRNG implementation) suggests that it is.

【讨论】:

  • getrandbits(k) 对于 k <= 32 来说是 O(1)。 _randbelow() 使用拒绝抽样,因此需要平均 [2^floor(log2 N)]/N 样本,但实际值可能会有波动。
  • k <= 32 行为对 Big-O 没有影响。系数为O(1): [2^floor(log N)]/N ~ 2**floor(log N) / 2**(log N) -> 2**(floor(x) - x) -> 1。
  • 对于不是 2 的幂的 N,平均样本数在 [1, 2) 中。如果一个人不走运,可能需要进行 2 次以上的试验,直到 getrandbits() 返回一个小于 N 的值。老实说,我不知道如何用 Big-O 表示法表示随机步数。
  • 如果不清楚;上述计算中忽略了常数因子 (O(1))。关键是,无论需要多少次试验,数量并不取决于N(它是O(1),概率为1)。
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 2013-07-27
  • 2011-08-01
  • 1970-01-01
  • 1970-01-01
  • 2021-06-12
  • 1970-01-01
  • 1970-01-01
相关资源
最近更新 更多