Генерация псевдослучайных чисел

Библиотека случайных чисел предоставляет классы для генерации случайных и псевдослучайных чисел. Эти классы включают:

• Генераторы случайных битов равномерного распределения (URBG), которые включают в себя как генераторы случайных чисел, которые являются псевдослучайными генераторами чисел, генерирующими целые последовательности с равномерным распределением, так и истинные генераторы случайных чисел, если они доступны;
• Распределения случайных чисел (например, равномерное, нормальное или распределения Пуассона), которые преобразуют выходные данные URBG в различные статистические распределения.

URBG и распределения предназначены для совместного использования для получения случайных значений. Все генераторы случайных чисел могут быть специально инициализированы, сериализованы и десериализованы для использования с повторяемыми симуляторами.

Генераторы случайных битов равномерного распределения

Генератор случайных битов равномерного распределения — это объект-функция, возвращающий значения целых беззнаковых чисел, при этом каждое значение в диапазоне возможных результатов имеет (в идеале) равную вероятность возвращения.

Все генераторы случайных битов равномерного распределения соответствуют требованиям UniformRandomBitGenerator. C++20 также определяет концепцию uniform_random_bit_generator.

Генераторы случайных чисел

Генераторы случайных чисел генерируют псевдослучайные числа, используя данные начального значения в качестве источника энтропии. Несколько различных классов алгоритмов генерации псевдослучайных чисел реализованы как шаблоны, которые можно настраивать.

Выбор генератора зависит от компромиссов: линейный конгруэнтный генератор умеренно быстрый и требует очень небольшого объема памяти для состояния. Генераторы Легированных Фибоначчи очень быстры даже на процессорах без продвинутых наборов инструкций арифметики, за счет большего объёма памяти для состояния и иногда менее желательных спектральных характеристик. Генератор Мерсенна Твистера медленнее и требует большего объёма памяти для состояния, но с правильными параметрами обладает самой длинной не повторяющейся последовательностью с наиболее желательными спектральными характеристиками (для данного определения желательных).

Ни один из генераторов случайных чисел, предоставляемых стандартной библиотекой, не является криптографически безопасным. Как и при любой безопасной операции, для этой цели следует использовать библиотеку криптографии (например, OpenSSL RAND_bytes).

Адаптеры генераторов случайных чисел

Адаптеры генераторов случайных чисел генерируют псевдослучайные числа, используя другой генератор случайных чисел в качестве источника энтропии. Они обычно используются для изменения спектральных характеристик базового генератора.

Предопределенные генераторы случайных чисел

Несколько конкретных популярных алгоритмов предопределены.

Недетерминированные случайные числа

std::random_device — это недетерминированный генератор случайных битов равномерного распределения, хотя реализациям разрешено реализовывать std::random_device с использованием генератора псевдослучайных чисел, если нет поддержки генерации недетерминированных случайных чисел.

Распределения случайных чисел

Распределение случайных чисел постобрабатывает выходные данные URBG таким образом, чтобы полученные выходные данные распределялись в соответствии с определённой статистической функцией плотности вероятности.

Распределения случайных чисел соответствуют RandomNumberDistribution.

Справочные средства

Библиотека C для генерации случайных чисел

Помимо описанных выше генераторов и распределений, доступны также функции и константы из библиотеки C для генерации случайных чисел, хотя их использование не рекомендуется:

Пример

#include <cmath>
#include <iomanip>
#include <iostream>
#include <map>
#include <random>
#include <string>
 
int main()
{
    // Seed with a real random value, if available
    std::random_device r;
 
    // Choose a random mean between 1 and 6
    std::default_random_engine e1(r());
    std::uniform_int_distribution<int> uniform_dist(1, 6);
    int mean = uniform_dist(e1);
    std::cout << "Randomly-chosen mean: " << mean << '\n';
 
    // Generate a normal distribution around that mean
    std::seed_seq seed2{r(), r(), r(), r(), r(), r(), r(), r()};
    std::mt19937 e2(seed2);
    std::normal_distribution<> normal_dist(mean, 2);
 
    std::map<int, int> hist;
    for (int n = 0; n != 10000; ++n)
        ++hist[std::round(normal_dist(e2))];
 
    std::cout << "Normal distribution around " << mean << ":\n"
              << std::fixed << std::setprecision(1);
    for (auto [x, y] : hist)
        std::cout << std::setw(2) << x << ' ' << std::string(y / 200, '*') << '\n';
}

Randomly-chosen mean: 4
Normal distribution around 4:
-4
-3
-2
-1
 0 *
 1 ***
 2 ******
 3 ********
 4 *********
 5 ********
 6 ******
 7 ***
 8 *
 9
10
11
12

См. также