梅森旋转算法 (MT19937)#

class numpy.random.MT19937(seed=None)#

梅森旋转伪随机数生成器的容器.

参数:
seed{None, int, array_like[ints], SeedSequence}, 可选

用于初始化 BitGenerator 的种子.如果为 None,则将从操作系统中提取新鲜的,不可预测的熵.如果传递一个 int 或 array_like[ints] ,那么它将被传递给 SeedSequence 以导出初始 BitGenerator 状态.也可以传入一个 SeedSequence 实例.

注释

MT19937 提供了一个包含函数指针的胶囊,这些函数指针生成双精度浮点数以及无符号 32 位和 64 位整数 [1] . 这些不能直接在 Python 中使用,必须由 Generator 或类似支持底层访问的对象使用.

Python stdlib 模块 “random” 也包含一个梅森旋转伪随机数生成器.

状态和播种

MT19937 状态向量由一个包含 624 个元素的 32 位无符号整数数组以及一个介于 0 和 624 之间的整数值组成,该整数值索引主数组中的当前位置.

输入种子由 SeedSequence 处理以填充整个状态.第一个元素被重置,使得只有其最高有效位被设置.

并行特性

在并行应用程序中使用 BitGenerator 的首选方法是使用 SeedSequence.spawn 方法获取熵值,并使用这些熵值生成新的 BitGenerator:

>>> from numpy.random import Generator, MT19937, SeedSequence
>>> sg = SeedSequence(1234)
>>> rg = [Generator(MT19937(s)) for s in sg.spawn(10)]

另一种方法是使用 MT19937.jumped ,它使状态前进,就好像已经生成了 \(2^{128}\) 个随机数一样 ( [1], [2] ).这允许分割原始序列,以便在每个 worker 进程中使用不同的段.所有生成器都应该链接在一起,以确保这些段来自同一序列.

>>> from numpy.random import Generator, MT19937, SeedSequence
>>> sg = SeedSequence(1234)
>>> bit_generator = MT19937(sg)
>>> rg = []
>>> for _ in range(10):
...    rg.append(Generator(bit_generator))
...    # Chain the BitGenerators
...    bit_generator = bit_generator.jumped()

兼容性保证

MT19937 保证固定的种子始终产生相同的随机整数流.

参考文献

[1] (1,2)

Hiroshi Haramoto, Makoto Matsumoto, and Pierre L’Ecuyer, “A Fast Jump Ahead Algorithm for Linear Recurrences in a Polynomial Space”, Sequences and Their Applications - SETA, 290–298, 2008.

[2]

Hiroshi Haramoto, Makoto Matsumoto, Takuji Nishimura, François Panneton, Pierre L’Ecuyer, “高效跳跃 F2-线性随机数生成器”, INFORMS JOURNAL ON COMPUTING, Vol. 20, No. 3, Summer 2008, pp. 385-390.

属性:
lock: threading.Lock

共享的锁实例,以便可以在多个生成器中使用相同的位生成器,而不会破坏状态. 从位生成器生成值的代码应持有该位生成器的锁.

状态#

state 

获取或设置 PRNG 状态

并行生成#

jumped ([jumps])

返回一个状态跳转的新位生成器

扩展#

cffi 

CFFI 接口

ctypes 

ctypes 接口
On this page