C++ TR1：如何使用 normal_distribution？答案

【问题标题】：C++ TR1: how to use the normal_distribution?C++ TR1：如何使用 normal_distribution？
【发布时间】：2010-11-10 05:57:46
【问题描述】：

我正在尝试使用 C++ STD TechnicalReport1 扩展来生成服从正态分布的数字，但是这段代码（改编自 this article）：

mt19937 eng;
eng.seed(SEED);

normal_distribution<double> dist;
// XXX if I use the one below it exits the for loop
// uniform_int<int> dist(1, 52);

for (unsigned int i = 0; i < 1000; ++i) {
  cout << "Generating " << i << "-th value" << endl;
  cout << dist(eng) << endl;
}

只打印 1 条“正在生成...”日志消息，然后 永远不会退出 for 循环！如果我使用我注释掉的发行版，它会终止，所以我想知道我做错了什么。有什么想法吗？

非常感谢！

【问题讨论】：

标签： c++ tr1 normal-distribution

【解决方案1】：

我在最初发布的代码中遇到了同样的问题，并调查了

的 GNU 实现

首先是一些观察：使用 g++-4.4 并使用代码挂起，使用 g++-4.5 并使用 -std=c++0x（即不是 TR1，而是真实的东西）上面的代码 works

恕我直言，TR1 和 c++0x 在随机数生成和随机数消耗之间的适配器方面发生了变化——mt19937 产生整数，normal_distribution 消耗双精度数

c++0x 自动使用适配，g++ TR1 代码没有

为了让您的代码与 g++-4.4 和 TR1 一起使用，请执行以下操作

std::tr1::mt19937 prng(seed);
std::tr1::normal_distribution<double> normal;
std::tr1::variate_generator<std::tr1::mt19937, std::tr1::normal_distribution<double> > randn(prng,normal);
double r = randn();

【讨论】：

【解决方案2】：

这绝对不会挂掉程序。但是，不确定它是否真的满足您的需求。

 #include <random>
 #include <iostream>

 using namespace std;

 typedef std::tr1::ranlux64_base_01 Myeng; 

 typedef std::tr1::normal_distribution<double> Mydist; 

 int main() 
 { 
      Myeng eng; 
      eng.seed(1000);
      Mydist dist(1,10); 

      dist.reset(); // discard any cached values 
      for (int i = 0; i < 10; i++)
      {
           std::cout << "a random value == " << (int)dist(eng) << std::endl; 
      }

 return (0); 
 }

【讨论】：

谢谢，它的工作原理就像一个魅力，但我想知道为什么用这个引擎它可以工作，而不是另一个......
显然，唯一的区别是您使用 mt19937 数字生成器，而 Jagannath 使用 std::tr1::ranlux64_base_01。从逻辑上讲，我猜这个错误可能存在于您的 mt19937 对象的实现中（我之前从未听说过的算法，谢谢 :-)），它不是 std 库的一部分。
在绘制随机数时是否可以矢量化这样的for循环？我记得你不能向量化一个有函数调用的循环。

【解决方案3】：

如果您的 TR1 随机数生成实现有问题，您可以通过编写自己的普通生成器来避免 TR1，如下所示。

使用您信任的任何随机生成器生成两个均匀 (0, 1) 随机样本 u 和 v。然后让 r = sqrt( -2 log(u) ) 并返回 x = r sin(2 pi v)。（这称为 Box-Mueller 方法。）

如果您需要具有平均 mu 和标准差 sigma 的正常样本样本，请返回 sigma*x + mu 而不仅仅是 x。

【讨论】：

刚刚试过这个。它运行速度超快——使用 100 万个样本进行了测试，它为 1-sigma、2-sigma 等范围内的样本提供了几乎完美的统计数据。

【解决方案4】：

虽然这似乎是一个错误，但快速确认是传递默认的 0.0、1.0 参数。 normal_distribution<double>::normal_distribution() 应该等于 normal_distribution<double>::normal_distribution(0.0, 1.0)

【讨论】：

它也不起作用，它仍然卡在执行第一个计算..