关于Xorshift随机数生成器算法
以下是Xorshift RNG的基本实现(复制自维基百科):
uint32_t xor128(void) {
static uint32_t x = 123456789;
static uint32_t y = 362436069;
static uint32_t z = 521288629;
static uint32_t w = 88675123;
uint32_t t;
t = x ^ (x << 11);
x = y; y = z; z = w;
return w = w ^ (w >> 19) ^ (t ^ (t >> 8));
}
我知道w
是返回值,x
,y
和z
是状态(“记忆”)变量。但是,我无法理解多个内存变量的目的。谁能解释我这一点?
另外,我尝试将上面的代码复制到Python:
class R2:
def __init__(self):
self.x = x = 123456789
self.y = 362436069
self.z = 521288629
self.w = 88675123
def __call__(self):
t = self.x ^ (self.x<<11)
self.x = self.y
self.y = self.z
self.z = self.w
w = self.w
self.w = w ^ (w >> 19) ^(t ^ (t >> 8))
return self.w
然后,我生成了100个数字并绘制了它们的log10
值:
r2 = R2()
x2 = [math.log10(r2()) for _ in range(100)]
plot(x2, '.g')
这是情节的输出:
这就是生成10000(而不是100)数字时会发生的情况:
总体趋势非常明显。不要忘记Y轴是实际值的log10
。
很奇怪的行为,你不觉得吗?
没有找到相关结果
已邀请:
3 个回复
埃输林桨铃
你会注意到它产生了更长的数字,例如这里是第一个数字:
这是最后一个:
这是为解决此问题而修复的代码:
嫩昧竞莫
坊岔埠绵