Configuración del aumento de semilla :: aleatorio

Question

Me gustaría restablecer secuencias aleatorias mediante el uso de diferentes números de inicialización. Cuando se ejecuta este código de prueba:

boost::mt19937 gener(1); 
boost::normal_distribution<> normal(0,1); 
boost::variate_generator<boost::mt19937&,boost::normal_distribution<> > rng(gener, normal); 
cout << rng() << endl; 
cout << rng() << endl; 
cout << rng() << endl; 
gener.seed(2); 
cout << rng() << endl; 
cout << rng() << endl; 
gener.seed(1); 
cout << rng() << endl; 
gener.seed(2); 
cout << rng() << endl; 
gener.seed(3); 
cout << rng() << endl; 

me sale el siguiente resultado:

# seed(1) via constructor 
-2.971829031 
1.706951063 
-0.430498971 
# seed(2) 
-2.282022417 
-0.5887503675 
# seed(1) 
0.2504171986 
# seed(2) 
-0.5887503675 
# seed(3) 
0.2504171986 

Obviamente estoy haciendo algo muy mal. ¿Cómo puedo superar este problema?

Answer 1

Siguiendo Jim, Alan y Igor sugerencias hecho algunos cambios en el código: rng.engine().seed() en lugar de gener.seed(), y llamó rng.distribution().reset() después de la llamada a rng.engine().seed() y funcionó a las mil maravillas.

¡Muchas gracias!

Answer 2

Creo que boost::variate_generator<> hace una copia de su objeto boost::mt19937 gener. Así que cuando resembró su copia de gener, no tiene ningún efecto en el objeto rng que ya se ha construido . Construir un nuevo objeto rng cada vez que replantee debería darle el comportamiento que desea (exención de responsabilidad: ¡no probado!)

Answer 3

Debe llamar a normal.reset() después de la llamada a gener.seed(). Esto se especifica para garantizar que la salida de normal no dependa de ninguna salida anterior de gener.

(la distribución es, probablemente, el almacenamiento en caché un estado que necesita para limpiar.)

Answer 4

Excelente para ver el problema resuelto! Pero supongo que acabo de descubrir qué método de Alan no funcionaría ...

Al escribir boost::variate_generator<boost::mt19937&,boost::normal_distribution<> > rng(gener, normal), no creó otra copia de gener porque es una llamada por referencia, pero se hizo crear otra copia de normal con el variate_generate.

Por lo tanto, en lugar de normal.reset, que solo restablece el original normal, debe usar rng.distribution().reset(). Pero puede mantener gener.seed(), que sospecho tendrá el mismo efecto que rng.engine().seed().

Lo probé en mi código, y funcionó como se esperaba.

Bueno, por si acaso a alguien le importaría :)