如何使用 OpenMP 在 C 代码中生成 0 和 1 之间的均匀分布的随机数？

Question

我正在尝试编写一个 OpenMP 代码，其中每个线程将处理 0 到 1 之间均匀分布的随机数的大数组。每个线程需要具有不同且独立的随​​机数分布。此外，每次调用代码时，随机数分布都需要不同。这就是我现在正在使用的。这是否总是保证每个线程都有自己/不同的随机数序列？每次调用代码时序列会有所不同吗？这样做的正确方法是什么？以下代码让每个线程生成 5 个样本，但在实际运行中会达到数百万。

#include <stdio.h>
#include <stdlib.h>
#include <omp.h>
#include <time.h>

int main(int argc, char* argv[])
{
    int numthreads,i;
    #pragma omp parallel private(i)
    {
        int id;
        id=omp_get_thread_num();
        if(id==0) numthreads = omp_get_num_threads();
        printf("thread %d \n",id);
        srand(time(0)^omp_get_thread_num());
        for (i=0; i<5; i++)
        {
            printf("thread %d: %d %.6f \n",id,i,(double)rand()/(double)RAND_MAX);
        }
    }
    return 0;
}

Answer 1

您没有提及您使用的是什么操作系统，但如果它是 Linux 或符合 POSIX 的系统，则有 erand48() 用于线程安全地生成随机数，该随机数均匀分布在 [0.0, 1.0) 范围内。它使用作为参数传递的 48 位种子。可以通过多种方式生成初始种子。 OpenBSD 和 Linux 有getentropy()，BSD 有arc4random_buf()，您可以从许多操作系统上的/dev/urandom 特殊文件中读取，或者执行您当前正在使用的时间、pid 等操作。我建议使用更高的分辨率计时器比 time()，不过 - clock_gettime() 是一个很好的来源。

一个例子：

#include <errno.h>
#include <fcntl.h>
#include <omp.h>
#include <stdio.h>
#include <stdlib.h>
#include <sys/stat.h>
#include <sys/types.h>
#include <unistd.h>

int main(void) {
#pragma omp parallel for
  for (int i = 0; i < 4; i++) {
    unsigned short xi[3]; // PRNG state variable

#if 0
    // OpenBSD 5.6+/Linux kernel 3.17+ and glibc 2.25+
    if (getentropy(xi, sizeof xi) < 0) {
      perror("getentropy");
      exit(EXIT_FAILURE);
    }
#else
    // Read from /dev/urandom
    int fd = open("/dev/urandom", O_RDONLY);
    if (fd < 0) {
      perror("open /dev/urandom");
      exit(EXIT_FAILURE);
    }
    if (read(fd, xi, sizeof xi) != sizeof xi) {
      perror("read");
      exit(EXIT_FAILURE);
    }
    close(fd);
#endif

    for (int n = 0; n < 4; n++) {
      printf("Thread %d random number %f\n", omp_get_thread_num(), erand48(xi));
    }
  }

  return 0;
}

Answer 2

理想情况下，您应该使用专为并行使用而设计的随机数生成器，您可以保证每个线程都在对随机数序列的不同部分进行采样。 （为大多数生成器提供任意但不同的种子并不能保证这一点，因为它们不能保证种子的选择如何影响您在序列中的位置。因此您可能只是被一个偏移。）

我建议您阅读Parallel Random Numbers as Easy as 1,2,3 论文，然后使用他们的一种算法，这些算法在例如英特尔 MKL（所有人都可以免费使用）中实现。

(MKL supports:-

• Philox4x32-10 基于计数器的伪随机数生成器，带有 周期为 2**128 PHILOX4X32X10[Salmon11]。
• 基于 ARS-5 计数器的伪随机数生成器，周期为 2**128，它使用来自 AES-NI 集的指令 ARS5[鲑鱼11]。 )

通过使用它，您可以轻松确保每个线程的生成器将生成一个独立的序列，这样您就不会在多个线程中对相同的序列进行采样。

Intel MKL 可以从https://software.intel.com/en-us/mkl/choose-download下载

Answer 3

您正在使用 xor 时间（整数，以秒为单位）和线程 ID 来为生成器播种。显然不一定在所有线程和所有时间都是唯一的，所以不是一个好主意。您最好使用std::random_device 的输出调用 srand，这在大多数机器上（即除微型嵌入式 CPU 之外的任何设备）都会为您的伪随机生成器播种真实熵。

来自https://en.cppreference.com/w/cpp/numeric/random/uniform_real_distribution的示例代码：

#include <random>
#include <iostream>

int main()
{
    std::random_device rd;  //Will be used to obtain a seed for the random number engine
    std::mt19937 gen(rd()); //Standard mersenne_twister_engine seeded with rd()
    std::uniform_real_distribution<> dis(1.0, 2.0);
    for (int n = 0; n < 10; ++n) {
        // Use dis to transform the random unsigned int generated by gen into a 
        // double in [1, 2). Each call to dis(gen) generates a new random double
        std::cout << dis(gen) << ' ';
    }
    std::cout << '\n';
}