Генерация случайных чисел в Python для одного и того же семени - PullRequest
Новая
       27

Генерация случайных чисел в Python для одного и того же семени

1 голос
/ 28 июня 2019

Я пишу код Монте-Карло (Python 3.7) и не могу понять, почему я получаю разные результаты с одним и тем же случайным начальным числом.

Я сузился до функции, с которой начинаю получатьвариации случайных результатов для одного и того же семени.Я создаю экземпляр rng = random.Random (), чтобы убедиться, что другие операции импорта не влияют на random.seed.Я также проверил последовательность случайных чисел с использованием импорта, который я использую (только сторонние поставщики - Numpy), и это тоже не проблема.Мой код тоже не многопоточный.

Я настраиваю свой rng с помощью: 

rng = random.Random()
rng.seed(123)

Варианты начинаются здесь с этой функцией (также, кажется, есть образец к изменению, он может быть согласованным для некоторых прогонов, а затем изменятьсядля некоторых запусков - назад и вперед): 

def create_self_avoiding_walk(radii, origin, rng, max_iterations=10000):
    assert len(radii) > 0
    previous_radii = radii[0]
    previous_coords = origin
    new_coord_map = np.zeros((len(radii), 3))
    new_coord_map[0] = origin
    for i, radius in enumerate(radii):
        if i == 0:
            continue
        r = radius + previous_radii
        for iteration in range(0, max_iterations):
            theta = rng.uniform(0, 2 * np.pi)
            z = rng.uniform(-r, r)
            x = np.sqrt((r ** 2 - z ** 2)) * np.cos(theta)
            y = np.sqrt((r ** 2 - z ** 2)) * np.sin(theta)

            x += previous_coords[0]
            y += previous_coords[1]
            z += previous_coords[2]

            proposed_coords = [x, y, z]

            if coordinate_clash(np.array(proposed_coords), np.array(new_coord_map[:i]), radius, radii[:i]) is False:
                new_coord_map[i] = [x, y, z]
                previous_coords = [x, y, z]
                break
            if iteration == max_iterations - 1:  # Was unable to find non-clashing structure
                return np.array([])
    return new_coord_map

ordin_clash вызывает следующие функции: 

@overload(np.float64, np.float64, np.float64, np.float64, np.float64, np.float64, float, float)
def coordinate_clash(x1, y1, z1, x2, y2, z2, radius1, radius2):
    return ((x1 - x2) ** 2) + ((y1 - y2) ** 2) + ((z1 - z2) ** 2) < (
                (radius1 + radius2) ** 2) - 1e-15  # Float PRECISION


@overload(np.ndarray, np.ndarray, float, float)
def coordinate_clash(vec1, vec2, radius1, radius2):
    return coordinate_clash(vec1[0], vec1[1], vec1[2], vec2[0], vec2[1], vec2[2], radius1, radius2)


@overload(np.ndarray, np.ndarray, float, list)
def coordinate_clash(vec1, mat, radius1, radii):
    for row, radius_entry in zip(mat, radii):
        if coordinate_clash(vec1, row, radius1, radius_entry):
            return True
    return False

Может ли кто-нибудь идентифицировать что-либо в приведенном выше коде, что приведет к несовместимости случайной последовательностидля того же семени?

Ответы [ 2 ]

0 голосов
/ 04 июля 2019

Я теперь решил эту проблему.Я искал не в том месте.Мой случайный экземпляр работал, как и должно быть.Однако, когда я читал и анализировал набор данных, он анализировался в разных порядках, что приводило к колебаниям, возникающим при генерации случайных чисел.Виновник зацикливался на set(data), чтобы настроить мое хранилище данных.Похоже, что set() не обеспечивает порядок, поэтому он будет меняться при разных запусках.Следовательно, это может быть легко решено с помощью sorted(set(data)).

0 голосов
/ 28 июня 2019

Вы должны установить случайное начальное число, как показано ниже: 

for iteration in range(0, max_iterations):
    rng.seed(0)  # an fixed number
    theta = rng.uniform(0, 2 * np.pi)
    z = rng.uniform(-r, r)

, и когда вы хотите сгенерировать новые случайные цифры, вы должны использовать это фиксированное число каждый раз.

...