眼下创建非均匀，整分配使用TR1 <random>

我用下面的代码来创建整数与一范围内均匀分布。（我拿出播种代码）眼下创建非均匀，整分配使用TR1 <random>

int random(int min, int max) 
{ 
    static std::mt19937 gen; 
    std::uniform_int<int> dist(min, max); 
    return dist(gen); 

}

我想修改它给予有利于twords最小值分布，几乎从不接近最大值。我可以看到所有预先制作的发行版，但没有一个是整数。而且我也无法根据任何文档分辨哪一个符合我的需求。我来最接近的是卡方分布如图所示在维基百科上，其中k = 2

但我想不通的基础上，documentation如何与整数使用它，更不用说集合k值。

我如何设置我的功能，使用适当的不均匀，整数分布？

仍然工作在选择正确的发行版：这里是std::poisson_distribution<int> dist((max - min) * .1);从0至20的结果：

还没有应用，为0应该比1更加频繁，但它应该帮助下一个人出来后会发布更多的结果。

以及我的最终解决方案成为相结合的方法：

int randomDist(int min, int max) 
{ 
    static std::mt19937 gen; 
    std::chi_squared_distribution<double> dist(2); 

    int x; 
    do 
    { 
    x = (int)(max*dist(gen)/10) + min; 
    } 
    while (x > max); 
    return x; 
}

给出的结果是：

来源

2011-03-14 Zak

在泊松分布中，如果选择小于1的参数（当前（20-0）*。1 = 2），则0会比1更频繁。您还可以通过任何参数进行几何分布。您应该选择哪一个取决于您正在建模的内容：几何模型直到事件发生的时间（例如，评分目标所需的投篮次数），泊松模型在一段时间内（例如，数字游戏中的目标）。 – aaz 2011-03-14 12:33:51

那么我用它来实时遗传算法。与其有独特的一代，当我们开始培育一种新的有机体时，我通过健身来挑选它们，并根据这条曲线选择父母。 – Zak 2011-03-14 21:54:22

@Zak - 如果选择使用几何分布，则可以将每个父母的选择描述为＃1 vs（＃2 vs（获胜者＃3 vs ...））的比赛），其中#i获胜对任何#j，我 aaz 2011-03-14 22:41:04

还有其他的整数分布在那里，他们只是不在他们的名字中有int。他们有他们的类定义typedef IntType result_type。

其表现为你描述的是：

binomial_distribution(t, p)

此范围内生成数字0≤X≤吨，所以你需要通过翻译的范围min。均值是在吨·P，因此选择一个p接近0

std::binomial_distribution<int> dist(max - min, .1);
return dist(gen) + min;

poisson_distribution(λ)

这产生数字0≤X <∞，但大量逐渐减少。您可以审查超出max的任何内容以将其限制在一定范围内。参数λ是平均值。选择它前面的例子匹配：

std::poisson_distribution<int> dist((max - min) * .1);
int x;
do
x = dist(gen) + min;
while (x > max);
return x;
geometric_distribution(p)

还生成数字0≤X <∞，但0是最有可能的结果，并且每个后续数字都比以前少。再次选择参数匹配前面的例子的意思是：

std::geometric_distribution<int> dist(1/((max - min) * .1 + 1));
int x;
do
x = dist(gen) + min;
while (x > max);
return x;

您也可以使用任何连续分布来生成一个double然后四舍五入它到int。

来源

2011-03-14 10:48:47 aaz

除了分布在说@aaz“伟大的回答，请记住，你也可以改变你的均匀分布，以你可能想到的任何概率分布函数，使用inverse transform sampling（即但是实际上是可行的只有对于一些“好”功能）或rejection sampling（可以在任何情况下应用，但是可能在计算上是昂贵的）。

在我看来，这将满足您的需求分布将是（负）exponential distribution：

Exponential distribution

幸运的是，这是你可以申请反变换抽样分布之一，这意味着，从均匀具有样品[0，1]的分布，可以通过应用下面的公式得到一个指数分布：

x = - ln(1-p)/lambda

与p是随机VAL ue从均匀分布和lambda是指数分布的参数;有关更多信息，请参阅here。

一旦你x（这将是一个double），只是它（与函数或圆形像：

int round(double val) 
{ 
    // warning: can give counterintuitive results with negative numbers 
    return int(val+0.5); 
}

）转换为int获得你的结果。

编辑

顺便说一句，我没有注意到，即使是指数分布已经包含在<random>（link）...好，甚至更好，你不需要编写代码，但一点理论从不浪费:)。

来源

2011-03-14 11:16:30

眼下创建非均匀，整分配使用TR1 <random>

回答

相关问题