Генераторы псевдослучайных чисел

Пакет spire.random содержит генераторы случайных чисел, подходящие для множества различных задач, а также функциональный интерфейс для создания равномерного распределения значений.

Генераторы псевдослучайных чисел

Трейт mutable.Generator представляет собой стратегию PRNG. Используя равномерно сгенерированные значения Int или Long, он может генерировать случайные значения, массивы значений и т.д. Определить генератор относительно легко.

По умолчанию генераторы не являются потокобезопасными. Синхронизированный генератор можно создать из несинхронизированного с помощью метода sync. Генераторы можно копировать, а их начальные значения сохранять и восстанавливать. Это позволяет пользователям создавать детерминированные потоки значений, используя одно и то же начальное значение. В общем, пользователям предпочтительнее создавать и использовать свои собственные генераторы, а не полагаться на один генератор в нескольких потоках.

Хотя трейт mutable.Generator предоставляет только низкоуровневые методы, такие как nextInt, он может создавать значения любого типа, используя класс типов Dist[A], который будет обсуждаться ниже.

Трейт immutable.Generator похож на mutable.Generator, хотя хранимое в нем состояние является неизменным. Каждый раз, когда генерируется число, также возвращается новый генератор, что позволяет использовать эти генераторы в чисто функциональном контексте. Здесь также применимы те же примеры Dist[A], которые использовались бы с изменяемым генератором.

Создание случайных значений с помощью Dist[A]

Класс типов Dist[A] представляет собой стратегию генерации распределения значений A для данного экземпляра Generator. Dist[A] не дает никаких гарантий относительно того, как распределяются значения A (например, он всегда может возвращать одно и то же значение). Пользователи, интересующиеся конкретными реализациями, должны использовать трейты Uniform[A], Gaussian[A] и Exponential[A] для создания экземпляров Dist[A], соответствующих их потребностям.

Сами объекты Dist[A] неизменяемы и создаются от генераторов (как изменяемых, так и неизменяемых). Их можно преобразовать с помощью map, flatMap и других комбинаторов. При наличии соответствующей структуры A с экземплярами Dist[A] также можно работать, как если бы они были значениями.

Распределения

В настоящее время spire.random предоставляет классы типов Uniform[A], Gaussian[A] и Exponential[A], которые с учетом соответствующих параметров могут создавать экземпляры Dist[A]. Поскольку большинство типов имеют (приблизительно) бесконечное число возможных значений, на эти типы необходимо наложить границы и другие ограничения, прежде чем мы сможем с пользой говорить о (или реализовывать) распределения вероятностей в Spire.

Учитывая min и max, экземпляр Uniform[A] может создать равномерно распределенный экземпляр Dist[A].
Учитывая mean и stdDev, экземпляр Gaussian[A] может создать Dist[A], значения которого распределяются в соответствии с желаемым распределением Гаусса.
Учитывая rate, экземпляр Gaussian[A] может создать Dist[A], значения которого распределяются в соответствии с желаемым экспоненциальным распределением.

Например:

object DistDemo:
  import spire.math.Complex
  import spire.random.Dist
  import spire.std.double.DoubleAlgebra
  
  val rng = spire.random.rng.Cmwc5()
  rng.nextLong() 
  
  // генерирует ассоциативный массив с от 10 до 20 записей
  given Dist[Map[Int, Complex[Double]]] =
    Dist.map[Int, Complex[Double]](10, 20)
  val m = rng.next[Map[Int, Complex[Double]]]
  
  // генерирует double в интервале [0.0, 1.0)
  val n = rng.next[Double]
  
  // генерирует комплексное число с действительной и мнимой частями в интервале [0.0, 1.0)
  val q = rng.next[Complex[Double]]

Предоставляется множество экземпляров по умолчанию, и для пользовательских типов легко создавать собственные экземпляры.

Ссылки: