Генератор псевдослучайных чисел Мерсенна-Твистер (MT19937)

class numpy.random.mt19937.MT19937(seed=None)

Контейнер для генератора псевдослучайных чисел Мерсенна-Твистер.

Параметры:	seed : {None, int, array_like[ints], ISeedSequence}, optional Семено для инициализации генератора. Если None, то используется свежая, непредсказуемая энтропия из ОС. Если передано значение типа int или array_like[ints], то оно будет передано в SeedSequence, чтобы вывести начальное состояние BitGenerator. Также можно передать реализацию интерфейса ISeedSequence , например, SeedSequence.

Примечания

MT19937 предоставляет капсулу с указателями на функции, которые производят числа с плавающей точкой двойной точности, а также целые числа с беззнаковым представлением 32 и 64 бита [1]. Они не могут быть напрямую использованы в Python и должны быть использованы объектом типа Generator или аналогичным объектом, который поддерживает низкоуровневый доступ.

Модуль «random» стандартной библиотеки Python также содержит генератор псевдослучайных чисел Мерсенна-Твистер.

Состояние и Инициализация

Вектор состояния MT19937 состоит из массива 624 элементов 32-битовых беззнаковых целых чисел и одного целого числа от 0 до 624, которое индексирует текущую позицию в основном массиве.

Входное семено обрабатывается SeedSequence для заполнения всего состояния. Первый элемент сбрасывается таким образом, что устанавливается только его старший бит.

Параллельные Функции

Рекомендуемый способ использования BitGenerator в параллельных приложениях — использовать метод SeedSequence.spawn для получения значений энтропии и использовать их для генерации новых BitGenerator:

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

Другой метод — использовать MT19937.jumped, который продвигает состояние так, как если бы было сгенерировано случайных чисел ([1], [2]). Это позволяет разделить исходную последовательность, чтобы различные сегменты могли быть использованы в каждом процессе обработки. Все генераторы должны быть объединены для обеспечения того, чтобы сегменты были взяты из одной последовательности.

>>> 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()

Гарантия Совместимости

MT19937 гарантирует, что фиксированное семено всегда будет производить одну и ту же последовательность случайных целых чисел.

Ссылки

[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, “Efficient Jump Ahead for F2-Linear Random Number Generators”, INFORMS JOURNAL ON COMPUTING, Vol. 20, No. 3, Summer 2008, pp. 385-390.

Атрибуты:	lock: threading.Lock Экземпляр блокировки, который используется совместно, чтобы один и тот же генератор битов мог быть использован в нескольких генераторах без повреждения состояния. Код, генерирующий значения из генератора битов, должен удерживать блокировку генератора битов.

Состояние

Параллельная генерация

Расширение