Генератор псевдослучайных чисел Мерсенна-Твистер (MT19937)

classnumpy.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 будет использоваться свежая, непредсказуемая энтропия из ОС. Если передается int или array_like[ints], то это значение будет передано SeedSequence для вывода начального состояния BitGenerator. Также можно передать экземпляр SeedSequence.

Примечания

MT19937 предоставляет капсулу, содержащую указатели на функции, которые производят значения с плавающей точкой двойной точности и целые числа без знака 32 и 64 разряда [1]. Они не напрямую потребляются Python и должны потребляться объектом Generator или подобным объектом, который поддерживает низкоуровневый доступ.

В модуле Python stdlib «random» также есть генератор псевдослучайных чисел Мерсенна-Твистер.

Состояние и Зерно

Состояние MT19937 состоит из массива из 624 элементов 32-разрядных целых чисел без знака плюс одно целое число от 0 до 624, которое индексирует текущую позицию в главном массиве.

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

Параллельные функции

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 было сгенерировано \(2^{128}\) случайных чисел ([1], [2]). Это позволяет разделить исходную последовательность, так что разные сегменты могут использоваться в каждом процессе рабочего потока. Все генераторы должны быть объединены, 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 фиксированное зерно всегда будет производить 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 совместно используется, 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.