Najlepszy sposób na wysianie N niezależnych generatorów liczb losowych od 1 wartości

W moim programie muszę uruchomić N osobnych wątków, każdy z własnym RNG, który służy do próbkowania dużego zestawu danych. Muszę być w stanie zaszczepić cały ten proces jedną wartością, aby móc odtwarzać wyniki.

Czy wystarczy po prostu sekwencyjnie zwiększać ziarno dla każdego indeksu?

Obecnie używam numpytych, RandomStatektóre korzystają z generatora liczb pseudolosowych Mersenne Twister.

Fragment kodu poniżej:

# If a random number generator seed exists
if self.random_generator_seed:
    # Create a new random number generator for this instance based on its
    # own index
    self.random_generator_seed += instance_index
    self.random_number_generator = RandomState(self.random_generator_seed)

Zasadniczo zaczynam od zarodka wprowadzonego przez użytkownika (jeśli istnieje) i dla każdej instancji / wątku kolejno dodaję indeks (od 0 do N-1) uruchomionej instancji. Nie wiem, czy to dobra praktyka, czy może jest na to lepszy sposób.

Z pewnością nie jest to świetna praktyka. Na przykład zastanów się, co się stanie, gdy wykonasz dwa przebiegi z nasionami root 12345 i 12346. Każdy bieg będzie miał N-1wspólne strumienie.

Implementacje Mersenne Twister (w tym numpy.randomi random) zwykle używają innego PRNG do rozszerzenia zarodka liczb całkowitych do dużego wektora stanu (624 32-bitowe liczby całkowite), którego używa MT; to jest tablica z RandomState.get_state(). Dobrym sposobem na zrobienie tego, co chcesz, jest uruchomienie tego PRNG, zaszczepionego jednorazową liczbą całkowitą, i uzyskanie z niego N*62432-bitowych liczb całkowitych. Podziel strumień na Nwektory stanu i użyj, RandomState.set_state()aby jawnie zainicjować każdą RandomStateinstancję. Być może trzeba będzie konsultować źródła C o numpy.randomlub _randomz biblioteki standardowej, aby ta PRNG (są takie same). Nie jestem pewien, czy ktoś zaimplementował samodzielną wersję tego PRNG dla Pythona.

Rozwiązaniem stosowanym w przetwarzaniu równoległym jest użycie generatora losowego$\Phi(u)$, gdzie $u$ jest twoim nasieniem, przez $N$partie:

1. Generować $\Phi(u),\Phi^N(u),\Phi^{2*N}(u),...$
2. Generować $\Phi^2(u),\Phi^{1+N}(u),\Phi^{1+2*N}(u),...$
3. ...
4. Generować $\Phi^{N-1}(u),\Phi^{N-1+N}(u),\Phi^{N-1+2*N}(u),...$

gdzie $\Phi^n(u)=\Phi(\Phi^{n-1}(u))$. W ten sposób używasz pojedynczego ziarna, a wszystkie sekwencje są jednolite i niezależne.

Istnieje teraz pakiet Python o nazwie RandomGen, który ma metody pozwalające to osiągnąć.

To wspiera niezależnych strumieni utworzonych z jednego materiału siewnego, a także protokołu narciarskie dla starszych generatorów liczb losowych, takich jak MT19937.

Niektóre osoby twierdzą, że istnieją korelacje w liczbach losowych generowanych przez sekwencyjne nasiona. /programming/10900852/near-seeds-in-random-number-generation-may-give-similar-random-numbers Nie jestem pewien, czy to prawda.

Jeśli się tym martwisz, dlaczego nie użyć jednego generatora liczb losowych, aby wybrać nasiona dla wszystkich innych generatorów?