Questions tagged «random»

我正在尝试使用Java程序为数据库中的人们生成一个随机的出生日期。我该怎么做？

68 java  random 

在Python中，有两种显而易见的方法可以生成一个从0到9的随机数字。一个可以生成一个介于0和1之间的随机浮点数，再乘以10，然后四舍五入。或者，可以使用该random.randint方法。 import random def random_digit_1(): return int(10 * random.random()) def random_digit_2(): return random.randint(0, 9) 我很好奇，如果生成一个0到1之间的随机数并保留最后一位数字，将会发生什么。我不一定期望分布是均匀的，但是我发现结果非常令人惊讶。 from random import random, seed from collections import Counter seed(0) counts = Counter(int(str(random())[-1]) for _ in range(1_000_000)) print(counts) 输出： Counter({1: 84206, 5: 130245, 3: 119433, 6: 129835, 8: 101488, 2: 100861, 9: 84796, 4: 129088, …

24 python  random 

假设您想<random>在实际程序中使用C ++ 工具（对于“实际”的某些定义-这里的约束是该问题的一部分）。您的代码大致如下： int main(int argc, char **argv) { int seed = get_user_provided_seed_value(argc, argv); if (seed == 0) seed = std::random_device()(); ENGINE g(seed); // TODO: proper seeding? go_on_and_use(g); } 我的问题是，您应该使用哪种类型ENGINE？ 我以前经常说std::mt19937，是因为它可以快速键入并具有名称识别功能。但是这些天来，似乎每个人都在说 Mersenne Twister非常重且对缓存不友好，甚至没有通过其他人所做的所有统计测试。 我想说，std::default_random_engine因为这是显而易见的“默认值”。但是我不知道它在平台之间是否有所不同，并且我也不知道它在统计上是否有好处。 既然如今每个人都在64位平台上，我们至少应该使用std::mt19937_64over std::mt19937吗？ 我想说pcg64还是xoroshiro128因为它们看起来受人尊敬且轻巧，但它们根本不存在<random>。 我不知道什么minstd_rand，minstd_rand0，ranlux24，knuth_b，等-当然，他们一定是好东西？ 显然，这里存在一些竞争约束。 发动机强度。（<random>没有加密强度高的PRNG，但是，某些标准化的PRNG比其他的“弱”，对吧？） sizeof 引擎。 其速度operator()。 易于播种。mt19937众所周知，很难正确地植入种子，因为它有太多的状态要初始化。 库供应商之间的可移植性。如果一个供应商提供的foo_engine编号与另一供应商提供的编号不同foo_engine，则对某些应用程序不利。（希望这不排除任何可能，除非default_random_engine。） 尽可能权衡所有这些限制，您将说出最终的“最佳实践留在标准库中”的答案是什么？我应该继续使用std::mt19937还是什么？

21 c++  c++11  random 

的恩惠到期在18小时。这个问题的答案有资格获得+200声望奖励。 Peter O.正在寻找一个规范的答案： 总结：（1）找到比代码中实现的算法更有效的算法，或者（2）陈述有效数量的公式。组合以及如何“取消排序”组合编号。 是否有一种有效的方法来生成N个整数的随机组合，从而使- 每个整数都在区间[ min，max]中， 整数之和为sum， 整数可以按任何顺序出现（例如，随机顺序），并且 从满足其他要求的所有组合中随机选择均匀组合吗？ 对于随机组合，是否有一种类似的算法，其中整数必须按其值的排序顺序出现（而不是以任何顺序出现）？ （如果是，mean则选择平均值为的适当组合是一个特殊情况sum = N * mean。此问题等效于生成由sumN个部分组成的均匀随机分区，每个部分在[[ ]] 区间中min，max并按其顺序以任何顺序或排序顺序出现值（视情况而定）。） 我知道，对于以随机顺序出现的组合，可以通过以下方式解决此问题（EDIT [Apr. 27]：算法已修改。）： 如果N * max < sum或N * min > sum，则没有解决方案。 如果N * max == sum，则只有一个解，其中所有N数字都等于max。如果N * min == sum，则只有一个解，其中所有N数字都等于min。 使用 Smith和Tromble中给出的算法（“从单位单纯形抽样”，2004年），生成N个具有和的随机非负整数sum - N * min。 添加min到这种方式生成每个号码。 如果任何数字大于max，请转到步骤3。 但是，如果该算法max远小于，则该算法速度较慢sum。例如，根据我的测试（使用上述涉及的特殊情况的实现mean），该算法平均会拒绝- 约1.6个样本N = …

11 algorithm  random  language-agnostic 

我sample在R中对函数进行了基准测试，并将其与进行比较，igraph:sample_seq结果遇到了奇怪的情况。 当我运行类似： library(microbenchmark) library(igraph) set.seed(1234) N <- 55^4 M <- 500 (mbm <- microbenchmark(v1 = {sample(N,M)}, v2 = {igraph::sample_seq(1,N,M)}, times=50)) 我得到这样的结果： Unit: microseconds expr min lq mean median uq max neval v1 21551.475 22655.996 26966.22166 23748.2555 28340.974 47566.237 50 v2 32.873 37.952 82.85238 81.7675 96.141 358.277 50 但是例如当我跑步时 set.seed(1234) N …

11 r  random 

在文档中，据说uniform(0,1)可以生成值0和1。 我已经运行了uniform(0, 1)10000次，但从未产生过零。即使在uniform(0, 0.001)。 能否random.uniform(0,1)产生0或1？

9 python  random  uniform-distribution