Генератор псевдослучайных чисел Mersenne Twister (MT19937)

class numpy.random.MT19937(seed=None)

Контейнер для генератора псевдослучайных чисел Mersenne Twister.

Параметры

seed{None, int, array_like[ints], SeedSequence}, optional

Seed для инициализации BitGenerator. Если None, то свежая, непредсказуемая энтропия будет извлечена из ОС. Если передается объект типа int или array_like[ints], то он будет передан в SeedSequence для получения начального состояния BitGenerator. Можно также передать экземпляр SeedSequence.

Примечания

MT19937 предоставляет капсулу, содержащую указатели на функции, которые генерируют числа с плавающей точкой двойной точности, а также беззнаковые 32- и 64-битные целые числа [1]. Они не могут быть напрямую использованы в Python и должны обрабатываться объектом типа Generator или подобным, который поддерживает низкоуровневый доступ.

Модуль Python stdlib «random» также содержит генератор псевдослучайных чисел Mersenne Twister.

Состояние и инициализация

Вектор состояния MT19937 состоит из 624-элементного массива 32-битных беззнаковых целых чисел плюс одно целое число от 0 до 624, которое индексирует текущую позицию в основном массиве.

Входной seed обрабатывается функцией SeedSequence для заполнения всего состояния. Первый элемент сбрасывается таким образом, что только его старший бит установлен.

Параллельные возможности

Предпочтительный 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 продвигается вперед по состоянию, как будто случайных чисел были сгенерированы ([1], [2]). Это позволяет разделить исходную последовательность, чтобы отдельные сегменты могли использоваться в каждом рабочем процессе. Все генераторы должны быть связаны в цепочку, чтобы гарантировать, что сегменты взяты из одной и той же 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 при фиксированном seed всегда будет генерироваться один и тот же поток 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 использоваться в нескольких генераторах без повреждения состояния. Код, который генерирует значения из генератора битов, должен удерживать блокировку генератора битов.

Состояние

Параллельная генерация

Расширение