Očito je da se ne može svako računalo, a ne svaki sustav, ugraditi u mogućnost dobivanja slučajnog broja na temelju stohastičkog procesa. Stoga, korištenje random_device vrijedi samo ako je potrebno. Njegov rad možerazlikuju se od sustava do sustava, od računala do računala, a možda je i izvan dosega. Stoga, kada se koristi pravi generator slučajnih brojeva, potrebno je omogućiti rukovanje pogreškama.

Korištenje random_device kao sjeme za DSPF

std :: random_device rd {};
std :: default_random_engine e {rd ()};
 

U ovom kodeksu ne postoji ništa bitno novo. U isto vrijeme, sa svakim startom, DIRF se inicijalizira slučajnim vrijednostima koje generira pravi generator slučajnih brojeva rd.

Također je vrijedno spomenuti da se inicijalna vrijednost generatora može resetirati u bilo kojem trenutku:

e. Seed (15027); //inicijalizira se brojem
e.seed (); //inicijalizirati na zadanu vrijednost
e.seed (rd ()); //Inicijalizacija s drugim generatorom
 

Sažemo: generatori i distribucije

Generator (motor) je objekt koji omogućuje stvaranje različitih brojeva vjerojatnosti.

Distirbution je objekt koji pretvara niz brojeva generiranih od generatora u distribuciju prema određenom zakonu, na primjer:

• uniformu (uniformu);
• normalna - Gaussova distribucija (normalna);
• binomni (binom), itd.

Razmotrimo generatore standardne C ++ biblioteke.

1. Dovoljno je da početnici koriste default_random_engine, ostavljajući odabir generatora u knjižnici. Generator će biti odabran na temelju kombinacije čimbenika kao što su izvedba, veličina, kvaliteta slučajnosti.
2. Knjižnica za napredne korisnike nudi 9 unaprijed konfiguriranih generatora. Vrlo se razlikujuproduktivnost i veličina, ali u isto vrijeme, njihova kvaliteta rada bila je podvrgnuta ozbiljnim testovima. Često se koristi oscilator nazvan Mersenne twister engine i njegov primjer mt19937 (stvaranje 32-bitnih brojeva) i mt19937_64 (stvaranje 64-bitnih brojeva). Generator je optimalna kombinacija brzine i stupnja slučajnosti. Za većinu izazova to će biti dovoljno.
3. Za stručnjake, knjižnica pruža konfigurirane predloške za generatore koji omogućuju stvaranje dodatnih vrsta generatora.

Razmotrite ključne aspekte raspodjele. U standardu njihovog jezika postoji 20 komada. U gornjem primjeru korištena je ravnomjerna raspodjela nasumične C ++ biblioteke u rasponu [a, b] za cijele brojeve uniform_int_distribution. Ova distribucija se može koristiti za realne brojeve: uniform_real_distribution s istim parametrima a i b kao generiranje brojeva. Istovremeno su uključene i granice jaza, tj. [A, b]. Navedite svih 20 distribucija i ponovite C ++ dokumentaciju u članku nema smisla.

Treba napomenuti da svaka distribucija odgovara njezinom skupu parametara. Za ravnomjernu raspodjelu to je interval od a do b. A za geometrijski parametar (geometric_distribution) postoji vjerojatnost uspjeha p.

Većina distribucija definirana je kao predložak klase, za koji je parametar vrsta slijednih vrijednosti. Međutim, neke distribucije stvaraju sekvence samo int vrijednosti ili samo stvarnu vrijednost. Ili, na primjer, Bernoullijeva sekvenca (bernoulli_distribution) daje vrijednost tipa bool. Kao i kod MHF-a, korisnik knjižnice možestvorite vlastitu distribuciju i koristite s ugrađenim generatorima ili generatorima koji će stvoriti.

U tom svojstvu knjižnice nisu ograničene. Oni su mnogo širi. Ali pružene informacije su dovoljne za korištenje i osnovno razumijevanje generatora slučajnih brojeva u C ++.

Kratka pomoć: Slučajna u .Net stilu

.Net okvir također uključuje Random klasu za stvaranje pseudoslučajnih brojeva. Razmotrimo primjer generiranja slučajnog broja C ++ /CLI.

Za one koji rade u Visual Studiou i ne mogu razumjeti zašto prostor imena sustava nije definiran.

Za rad .net potrebno je povezati CLR. To se radi na dva načina: 1) Stvaranje projekta nije Windows konzolna aplikacija, nego CLR - CLR aplikacije (CLR Console Application) 2) Povezivanje CLR podrške u postavkama već kreiranog projekta: svojstva projekta (kartica projekta, ne usluga ") - & gt; konfiguracija - & gt; općenito - & gt; zadana vrijednost - & gt; u padajućem okviru "Podrška za opću runtime okruženje (CLR)" odaberite "CLR podrška za okoliš (/clr)".

# uključiti "stdafx.h"
# uključiti 

//koristiti imenski sustav; 

int main (polje ^ args)
{
 Sustav :: Random ^ rnd1 = gcnew sustav :: Random (); //kreiramo MHF, po defaultu se inicijalizira trenutnim vremenom
std :: cout rnd1- & gt; Next () "n"; //vraća pozitivan cijeli broj 

int upper = 50;
std :: cout rnd1- & gt; Sljedeći (gornji) "n"; //vraća pozitivan cijeli broj ne veći od gornjeg 

int a = -1000; int b = -500;
std :: cout rnd1- & gt; Dalje (a, b) "n"; //vraća cijeli broj u rasponu [a, b] 

int seed = 13977;
Sustav :: Slučajni ^ rnd2 = gcnew sustav :: Random (sjeme); //inicijalizirati MHFbroj sjemena
std :: cout rnd2 -> Sljedeći (5001000) n; //isti broj će biti kreiran pri svakom pokretanju programa. 

std :: cout std :: endl; 

povratak 0; 
}
 

U ovom slučaju, sav se posao obavlja funkcijom Random Next C ++ /CLI.

Važno je napomenuti da je .net velika knjižnica s velikim mogućnostima i koristi vlastitu verziju jezika zvanog C ++ /CLI iz zajedničke jezične infrastrukture. Općenito, ovo je proširenje C ++ na .Net platformu.

Razmotrimo na kraju nekoliko primjera kako bismo bolje razumjeli rad s slučajnim brojevima.# uključiti
# uključiti
# uključiti
int main () {
std :: mt19937 e1;
e1.seed (vrijeme

);
std :: cout e1 () std :: endl;

std :: mt19937 e2 (vrijeme

);

std :: mt19937 e3 {};
std :: uniform_int_distribution uid1 (510), uid2
;
std :: cout uid1 (e2) "," uid2 (e3) std :: endl;

std :: default_random_engine e4 {};
std :: uniform_real_distribution urd (051.2);
std :: normal_distribution nd (502.0); //normalna distribucija s prosječnom vrijednošću 5,0 i srednjom kvadratnom devijacijom 2,0
std :: cout urd (e4) "," nd (e4) std :: endl;

std :: cout std :: endl;
sustav ("pauza");
povratak 0;
}

Zaključak

Sve tehnologije i metode stalno se razvijaju i usavršavaju. To se također dogodilo s mehanizmom generiranja slučajnih brojeva rand (), koji je zastario i prestao je zadovoljavati suvremene zahtjeve. U STL-u postoji slučajna knjižnica, u .Net Framework-u - Random klasa za rad sa slučajnim brojevima. Upotreba randa trebala bi odbiti prednosti novih metoda, jer one odgovaraju suvremenim programskim paradigmama, a stare metode će biti isključene iz standarda.