有没有办法在 Numpy 中实现更新的伪随机数生成器

Question

我想在 Numpy 中尝试不同的伪随机数生成器 (PRNG)。了解不同算法的比较主要是一种学术好奇心。 Numpy 是否有一种直接指向不同 PRNG 的方法，还是我需要更改源代码？

Answer 1

更改随机数生成不是提供的方法/您可以使用 python 做的事情，但是您可以更改生成的种子，但这对随机数的实际生成作用不大，Python 使用 Mersenne Twister 算法要生成它的随机数，如果你想改变算法，你需要改变它的源代码。我不知道它在哪里，但不久前我确实对这些东西进行了一些研究。这是所有随机数生成算法的 wiki 链接，我不建议对它们中的任何一个进行编码，因为它们很复杂，暗示了随机性的概念。 链接：

https://en.wikipedia.org/wiki/List_of_random_number_generators

此外，python 确实提供了多种生成形式，但是随机方法对于您可能想要使用的任何内容都非常稳定，如果您想要更快的方法，您可以使用 TinyMT，但您会再次使用需要手动编码。以下是所有随机方法的链接，包括种子：

https://docs.python.org/3/library/random.html

希望这会有所帮助，我建议不要尝试更改用于生成随机数的源代码，因为随机性只会真正成为安全性的一个因素，否则像 MT 这样的基本系统就可以了。