Генератор псевдослучайных чисел Мерсенна Твистер (MT19937)

class numpy.random.MT19937(seed=None)

Контейнер для генератора псевдослучайных чисел Мерсенна Твистер.

Параметры

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

Зерно для инициализации BitGenerator. Если None, то свежая, непредсказуемая энтропия будет взята из ОС. Если передается int или array_like[ints], то он будет передан в SeedSequence для вывода начального состояния BitGenerator. Также можно передать экземпляр SeedSequence.

Примечания

MT19937 предоставляет капсулу, содержащую указатели на функции, которые производят двойные и беззнаковые 32- и 64-битные целые числа [1]. Их нельзя напрямую использовать в Python, и их необходимо использовать с объектом Generator или подобным объектом, который поддерживает низкоуровневый доступ.

Модуль Python stdlib “random” также содержит генератор псевдослучайных чисел Мерсенна Твистер.

Состояние и Инициализация

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

Входное зерно обрабатывается SeedSequence для заполнения всего состояния. Первый элемент сбрасывается таким образом, что устанавливается только его наиболее значимый бит.

Параллельная Генерация

Предпочтительный способ использования BitGenerator в параллельных приложениях — использование метода SeedSequence.spawn для получения значений энтропии и использование этих значений 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 — использование MT19937.jumped, которое продвигает состояние так, как будто сгенерировано случайных чисел ([1], [2]). Это позволяет разбить исходную последовательность, чтобы отдельные сегменты могли использоваться в каждом процессе-рабочем потоке. Все генераторы должны быть объединены, чтобы гарантировать, что сегменты берутся 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 фиксированное зерно всегда будет генерировать одну и ту же последовательность случайных целых чисел.

Ссылки

1(1,2)

Хироси Харамато, Макото Мацумото и Пьер Л’Экюер, «Быстрый алгоритм скачка вперед для линейных рекурсий в полиномиальном пространстве», Последовательности и их приложения — SETA, 290–298, 2008.

2

Хироси Харамато, Макото Мацумото, Такую Нисимура, Франсуа Паннеттон, Пьер Л’Экюер, «Эффективный скачок вперед для генераторов случайных чисел F2-линейных», ЖУРНАЛ INFORMS ПО ВЫЧИСЛЕНИЯМ, т. 20, № 3, лето 2008 г., стр. 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, генерирующий значения из генератора битов, должен удерживать блокировку генератора битов.

Состояние

Параллельная генерация

Расширение