正态分布伪随机数生成方法总结.PDF

内容  伪随机数生成方法  蒙特卡洛方法  蒙特卡洛树搜索  经验分享 2 伪随机数生成方法  随机现象是自然过程或人工过程中由多种未知因素 共同作用产生的一种只可分析其统计规律却不能预 测其发生的不确定现象. 这种现象表现为一系列没有 规则的数值时就成为随机数.  所谓随机数, 其实是一个特殊的数列, 该数列中的每 项以同等的概率选取, 这种选取不依赖于数列中的其 他项. 因此, 说一个具体的数(如50)是随机的是没有意 义的, 尽管它可以是某个随机数序列中的某一项. 3 伪随机数生成方法  自然界中的很多现象, 例如抛掷硬币、抛掷骰子、转 轮、洗牌等都展示出随机性, 我们可以利用这些现象 产生一些短周期的随机数.  利用计算机中的某些事件, 如定时中断或时钟等也可 以产生随机数, 但这种机械方法由于计算机硬件故障 经常会使随机数偏斜, 并且这些数没法重复产生. 4 伪随机数生成方法  1946年, 冯.诺依曼首次给出了使用计算机程序产生随 机数的方法, 但事实证明这种方法产生的数也并非是 随机的.一个普遍的观点是, 绝对随机的随机数只是一 种理想的随机数, 计算机不会产生绝对随机的随机数, 它只能生成相对随机的随机数, 即伪随机数. 因此, 伪 随机数并不是假随机数, 这里的“伪”是有规律的意 思, 就是产生的伪随机数既是随机的又是有规律的.  这样产生的数列虽然不是由真实的随机现象产生的, 但具有类似于随机数的统计性质, 可以作为随机数来 使用. 5 伪随机数生成方法  几乎每一种智能优化算法都要用到伪随机数:  遗传算法: 随机产生初始种群, 轮转法选择个体, 随机选择 交叉点, 随机选择变异的基因  禁忌搜索算法: 随机选择初始解和多阶段禁忌搜索初始解  模拟退火算法: 随机选择邻域解, 按概率作转移决策  蚁群算法: 随机产生初始蚁群, 按概率选择路径  粒子群优化算法: 随机初始化, 移动方向的随机加权组合  捕食搜索算法: 随机初始化, 在限制区域内的随机搜索  人工神经网络算法: 随机初始化, 随机梯度下降  动态进化计算、算法性能测试…… 6 伪随机数生成方法  已有通用伪随机数生成程序不足之处:  随机序列的长度和随机数的字长固定, 而自编程序可以 自由控制  在重复计算中, 不如自编的程序容易控制  除了正态分布, 一般没有产生其他分布的现成程序  掌握使用计算机产生随机数的原理和方法十分必要, 在实际应用中可以得心应手. 7 0-1 均匀分布伪随机数生成方法  0-1均匀分布的伪随机数是最基本也是最简单的伪随机 数, 它是生成一切其他分布的伪随机数的基础  设 是0-1均匀分布的随机变量, 是 的一个取值, 记为 ∈ (0, 1). 其中表示均匀分布, 0, 1表示分布的区间. 的概率密度