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 из ОС будет извлечена свежая, непредсказуемая энтропия. Если передаётся int или array_like[ints], то он будет передан в SeedSequence для получения начального состояния BitGenerator. Также можно передать экземпляр SeedSequence.

Примечания

MT19937 предоставляет капсулу, содержащую указатели на функции, которые производят двойные числа и целые числа с 32 и 64 битами без знака [1]. Они не могут быть непосредственно использованы в Python и должны быть обработаны объектом Generator или подобным объектом, поддерживающим доступ на низком уровне.

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

Состояние и Инициализация

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

Входное зерно обрабатывается SeedSequence для заполнения всего состояния. Первый элемент сброшен так, что установлен только его старший бит.

Параллельная генерация

Предпочтительный способ использования BitGenerator в параллельных приложениях — использовать метод SeedSequence.spawn для получения значений энтропии и использования 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 — использовать MT19937.jumped, который продвигает состояние так, как будто сгенерировано \(2^{128}\) случайных чисел ([1], [2]). Это позволяет разделить исходную последовательность, чтобы разные сегменты могли использоваться в каждом рабочем процессе. Все генераторы должны быть объединены, чтобы убедиться, что сегменты происходят 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 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 бит мог использоваться в нескольких генераторах без повреждения состояния. Код, генерирующий значения из генератора бит, должен удерживать блокировку генератора бит.

Состояние

Параллельная генерация

Расширение