为什么使用`std::uniform_real_distribution`是合适的？
我在写大都会蒙特卡罗模拟代码。由于模拟时间很长，我想认真考虑一下在[0, 1]中生成随机数的性能。
因此，我决定通过以下代码检查两个方法的性能：
#include <cfloat>
#include <chrono>
#include <iostream>
#include <random>
int main()
{
constexpr auto Ntry = 5000000;
std::mt19937 mt(123);
std::uniform_real_distribution<double> dist(0.0, std::nextafter(1.0, DBL_MAX));
double test1, test2;
// method 1
auto start1 = std::chrono::system_clock::now();
for (int i=0; i<Ntry; i++) {
test1 = dist(mt);
}
auto end1 = std::chrono::system_clock::now();
auto elapsed1 = std::chrono::duration_cast<std::chrono::microseconds>(end1-start1).count();
std::cout << elapsed1 << std::endl;
// method 2
auto start2 = std::chrono::system_clock::now();
for (int i=0; i<Ntry; i++) {
test2 = 1.0*mt() / mt.max();
}
auto end2 = std::chrono::system_clock::now();
auto elapsed2 = std::chrono::duration_cast<std::chrono::microseconds>(end2-start2).count();
std::cout << elapsed2 << std::endl;
}结果是
- 295489微秒用于方法1
- 79884微秒用于方法2
据我所知，有许多帖子推荐使用std::uniform_real_distribution。但是从性能上看，使用后者是很有诱惑力的，正如这个结果所示。
你能告诉我使用std::uniform_real_distribution有什么意义吗？使用1.0*mt() / mt.max()的缺点是什么？在目前的情况下，是否可以使用1.0*mt() / mt.max()来代替？
编辑：
我用g++-11 test.cpp编译了这段代码。当我使用-O3标志编译时，结果在质量上是相同的(方法1大约是。速度慢1.8倍)。我想谈谈广泛使用的方法的优点.我确实关注表演的趋势，但具体的性能比较超出了我的范围。
回答 2
Stack Overflow用户
发布于 2022-02-12 06:56:21
您使用标准随机库，因为正确地进行数值计算是非常困难的，而且您不想要证明和维护自己的随机库的负担。
例如，你的随机分布是错误的。std::mt19937生成32位整数，但是您需要一个具有53位意义的double (通常)。在范围[0, 1]中有一些值您永远不会从1.0*mt() / mt::max()中获得。
Stack Overflow用户
发布于 2022-02-12 06:59:11
您的测试方法存在缺陷。您不使用所生成的结果，因此聪明的优化器可能简单地跳过生成结果。
，你能告诉我使用std::uniform_real_distribution有什么意义吗？
，
- ，线索就在名字里。它生成一个统一的distribution.
- Furthermore，，它允许您指定希望分发的最小值和最大值。
使用1.0*mt() / mt.max()有什么缺点？
distribution.
- It
- 您不能指定一个最小值和一个最大值。
- 它产生一个不那么均匀的
- 会产生较少的随机性。
使用1.0*mt() / mt.max()是否可以接受？
在某些用例中，这是可以接受的。在其他一些情况下，这是不可接受的。在其他地方，这不重要。
https://stackoverflow.com/questions/71089479
复制相似问题
腾讯云开发者
