Partilhar via

<random>

  • Artigo

Define instalações para a geração aleatória de números, permitindo a criação de números aleatórios distribuídos uniformemente.

Requisitos

Cabeçalho: <random>

Namespace: std

Observação

A biblioteca <random> usa a instrução '#include <initializer_list>'.

Resumo

Um gerador de número aleatório é um objeto que produz uma sequência de valores pseudoaleatórios. Um gerador que produz valores que são distribuídos uniformemente em um intervalo especificado é um URNG (Gerador de Número Aleatório Uniforme). Um modelo de classe designado para funcionar como um URNG é referido como um engine se essa classe tiver determinados traços em comum, discutidos posteriormente neste artigo. Um URNG pode ser e geralmente é, combinado a uma distribution transmitindo o URNG como um argumento para que o operator() da distribuição produza valores que são distribuídos de maneira definida pela distribuição.

Esses links levam para as seções principais deste artigo:

Dicas rápidas

Aqui estão algumas dicas para manter em mente ao usar o <random>:

  • Para a maioria dos propósitos, os URNGs produzem bits brutos que podem ser moldados pelas distribuições. (Uma exceção notável disso é std::shuffle(), pois ele utiliza um URNG diretamente.)

  • Uma única instanciação de um URNG ou distribuição não pode ser chamada com segurança simultaneamente, pois executar um URNG ou uma distribuição é uma operação de modificação. Para obter mais informações, consulte Acesso thread-safe na Biblioteca Padrão C++.

  • São fornecidos typedefs predefinidos de diversos mecanismos; esse é o modo preferido de criar um URNG se um mecanismo estiver sendo usado.

  • O emparelhamento mais útil para a maioria dos aplicativos é o mecanismo mt19937 com uniform_int_distribution, como mostrado no exemplo de código posteriormente neste artigo.

Há muitas opções dentre as quais escolher no cabeçalho <random>, e deve-se dar preferência a qualquer uma delas em relação à antiga função de Runtime Crand(). Para obter informações sobre o que há de errado com o rand() e como o <random> lida com esses imprevistos, veja este vídeo.

Exemplos

O exemplo de código a seguir mostra como gerar alguns números aleatórios;nesse caso cinco deles usando um gerador criado com semente não determinista.

#include <random>
#include <iostream>

using namespace std;

int main()
{
    random_device rd;   // non-deterministic generator
    mt19937 gen(rd());  // to seed mersenne twister.
                        // replace the call to rd() with a
                        // constant value to get repeatable
                        // results.

    for (int i = 0; i < 5; ++i) {
        cout << gen() << " "; // print the raw output of the generator.
    }
    cout << endl;
}

2430338871 3531691818 2723770500 3252414483 3632920437

Ao passo que esses são números aleatórios de alta qualidade e diferentes sempre que este programa seja executado, eles não são necessariamente em um intervalo útil. Para controlar o intervalo, use uma distribuição uniforme, conforme mostrado no código a seguir:

#include <random>
#include <iostream>

using namespace std;

int main()
{
    random_device rd;   // non-deterministic generator
    mt19937 gen(rd());  // to seed mersenne twister.
    uniform_int_distribution<> dist(1,6); // distribute results between 1 and 6 inclusive.

    for (int i = 0; i < 5; ++i) {
        cout << dist(gen) << " "; // pass the generator to the distribution.
    }
    cout << endl;
}

5 1 6 1 2

O seguinte exemplo de código mostra um conjunto mais realista de casos de uso com geradores de números aleatórios uniformemente distribuídos misturando o conteúdo de um vetor e uma matriz.

// cl.exe /EHsc /nologo /W4 /MTd
#include <algorithm>
#include <array>
#include <iostream>
#include <random>
#include <string>
#include <vector>
#include <functional> // ref()

using namespace std;

template <typename C> void print(const C& c) {
    for (const auto& e : c) {
        cout << e << " ";
    }

    cout << endl;
}

template <class URNG>
void test(URNG& urng) {

    // Uniform distribution used with a vector
    // Distribution is [-5, 5] inclusive
    uniform_int_distribution<int> dist(-5, 5);
    vector<int> v;

    for (int i = 0; i < 20; ++i) {
        v.push_back(dist(urng));
    }

    cout << "Randomized vector: ";
    print(v);

    // Shuffle an array
    // (Notice that shuffle() takes a URNG, not a distribution)
    array<string, 26> arr = { { "H", "He", "Li", "Be", "B", "C", "N", "O", "F",
        "Ne", "Na", "Mg", "Al", "Si", "P", "S", "Cl", "Ar", "K", "Ca", "Sc",
        "Ti", "V", "Cr", "Mn", "Fe" } };

    shuffle(arr.begin(), arr.end(), urng);

    cout << "Randomized array: ";
    print(arr);
    cout << "--" << endl;
}

int main()
{
    // First run: non-seedable, non-deterministic URNG random_device
    // Slower but crypto-secure and non-repeatable.
    random_device rd;
    cout << "Using random_device URNG:" << endl;
    test(rd);

    // Second run: simple integer seed, repeatable results
    cout << "Using constant-seed mersenne twister URNG:" << endl;
    mt19937 engine1(12345);
    test(engine1);

    // Third run: random_device as a seed, different each run
    // (Desirable for most purposes)
    cout << "Using non-deterministic-seed mersenne twister URNG:" << endl;
    mt19937 engine2(rd());
    test(engine2);

    // Fourth run: "warm-up" sequence as a seed, different each run
    // (Advanced uses, allows more than 32 bits of randomness)
    cout << "Using non-deterministic-seed \"warm-up\" sequence mersenne twister URNG:" << endl;
    array<unsigned int, mt19937::state_size> seed_data;
    generate_n(seed_data.begin(), seed_data.size(), ref(rd));
    seed_seq seq(begin(seed_data), end(seed_data));
    mt19937 engine3(seq);
    test(engine3);
}

Using random_device URNG:
Randomized vector: 5 -4 2 3 0 5 -2 0 4 2 -1 2 -4 -3 1 4 4 1 2 -2
Randomized array: O Li V K C Ti N Mg Ne Sc Cl B Cr Mn Ca Al F P Na Be Si Ar Fe S He H
--
Using constant-seed mersenne twister URNG:
Randomized vector: 3 -1 -5 0 0 5 3 -4 -3 -4 1 -3 0 -3 -2 -4 5 1 -1 -1
Randomized array: Al O Ne Si Na Be C N Cr Mn H V F Sc Mg Fe K Ca S Ti B P Ar Cl Li He
--
Using non-deterministic-seed mersenne twister URNG:
Randomized vector: 5 -4 0 2 1 -2 4 4 -4 0 0 4 -5 4 -5 -1 -3 0 0 3
Randomized array: Si Fe Al Ar Na P B Sc H F Mg Li C Ti He N Mn Be O Ca Cr V K Ne Cl S
--
Using non-deterministic-seed "warm-up" sequence mersenne twister URNG:
Randomized vector: -1 3 -2 4 1 3 0 -5 5 -5 0 0 5 0 -3 3 -4 2 5 0
Randomized array: Si C Sc H Na O S Cr K Li Al Ti Cl B Mn He Fe Ne Be Ar V P Ca N Mg F
--

Esse código demonstra duas aleatorizações diferentes, aleatorizar um vetor de inteiros e embaralhar uma matriz de dados indexados, com uma função de modelo de teste. A primeira chamada para a função de teste usa URNG protegido por criptografia, não determinista, não passível de propagação e não repetível random_device. A segunda execução do teste usa mersenne_twister_engine como URNG, com semeação constante determinista de 32 bits, o que significa que os resultados podem ser repetidos. A terceira execução do teste propaga mersenne_twister_engine com um resultado não determinista de 32 bits de random_device. A quarta execução de teste é expandida usando uma sequência de semeação preenchida com resultados de random_device, que oferece efetivamente mais do que a aleatoriedade não determinística de 32 bits (mas ainda sem proteção por criptografia). Para obter mais informações, continue lendo.

Lista categorizada

Geradores uniformes de números aleatórios

URNGs geralmente são descritos de acordo com essas propriedades:

  1. Duração do período: quantas iterações são necessárias para repetir a sequência de números gerada. Quanto maior, melhor.

  2. Desempenho: a velocidade com que os números podem ser gerados e quanta memória isso ocupa. Quanto menor, melhor.

  3. Qualidade: a proximidade de uma sequência gerada de números verdadeiramente aleatórios. Isso geralmente é chamado de “aleatoriedade”.

As seções a seguir listam os URNGs (geradores de números aleatórios uniformes) fornecidos no cabeçalho <random>.

Gerador não determinístico

Classe random_device
Gera uma sequência aleatória não determinista protegida por criptografia usando um dispositivo externo. Geralmente usado para propagar um mecanismo. Baixo desempenho, qualidade bastante alta. Para obter mais informações, consulte Comentários.

Typedefs de mecanismo com parâmetros predefinidos

Para mecanismos de instanciação e adaptadores de mecanismos. Para obter mais informações, consulte Mecanismos e Distribuições.

  • default_random_engine O mecanismo padrão.

    typedef mt19937 default_random_engine;

  • knuth_b Mecanismo de Knuth.

    typedef shuffle_order_engine<minstd_rand0, 256> knuth_b;

  • minstd_rand0 Mecanismo padrão mínimo de 1988 (Lewis, Goodman e Miller, 1969).

    typedef linear_congruential_engine<unsigned int, 16807, 0, 2147483647> minstd_rand0;

  • minstd_rand Mecanismo padrão mínimo atualizado minstd_rand0 (Park, Miller e Stockmeyer, 1993).

    typedef linear_congruential_engine<unsigned int, 48271, 0, 2147483647> minstd_rand;

  • mt19937 Mecanismo Mersenne Twister de 32 bits (Matsumoto e Nishimura, 1998).

    typedef mersenne_twister_engine<
    unsigned int, 32, 624, 397,
    31, 0x9908b0df,
    11, 0xffffffff,
    7, 0x9d2c5680,
    15, 0xefc60000,
    18, 1812433253> mt19937;

  • mt19937_64 Mecanismo Mersenne Twister de 64 bits (Matsumoto e Nishimura, 2000).

    typedef mersenne_twister_engine<
    unsigned long long, 64, 312, 156,
    31, 0xb5026f5aa96619e9ULL,
    29, 0x5555555555555555ULL,
    17, 0x71d67fffeda60000ULL,
    37, 0xfff7eee000000000ULL,
    43, 6364136223846793005ULL> mt19937_64;

  • ranlux24 Mecanismo RANLUX de 24 bits (Martin Lüscher e Fred James, 1994).

    typedef discard_block_engine<ranlux24_base, 223, 23> ranlux24;

  • ranlux24_base Usado como base para ranlux24.

    typedef subtract_with_carry_engine<unsigned int, 24, 10, 24> ranlux24_base;

  • ranlux48 Mecanismo RANLUX de 48 bits (Martin Lüscher e Fred James, 1994).

    typedef discard_block_engine<ranlux48_base, 389, 11> ranlux48;

  • ranlux48_base Usado como base para ranlux48.

    typedef subtract_with_carry_engine<unsigned long long, 48, 5, 12> ranlux48_base;

Modelos de mecanismo

Modelos de mecanismos são usados como URNGs independentes ou como mecanismos de base transmitidos a adaptadores de mecanismo. Geralmente, eles são instanciados com um typedef de mecanismo predefinido e transmitidos a uma distribuição. Para obter mais informações, consulte a seção Mecanismos e Distribuições.

Nome Descrição
Classe linear_congruential_engine Gera uma sequência aleatória usando o algoritmo congruente linear. Mais simplista e com qualidade mais baixa.
Classe mersenne_twister_engine Gera uma sequência aleatória usando o algoritmo mersenne twister. Mais complexo e de qualidade mais alta, exceto pela classe random_device. Desempenho muito rápido.
Classe subtract_with_carry_engine Gera uma sequência aleatória usando o algoritmo de subtração com transferência. Um aprimoramento em relação ao linear_congruential_engine, mas com qualidade e desempenho muito menores que mersenne_twister_engine.

Modelos de adaptador de motor

Adaptadores de mecanismo são modelos que adaptam outros mecanismos (básicos). Geralmente, eles são instanciados com um typedef de mecanismo predefinido e transmitidos a uma distribuição. Para obter mais informações, consulte a seção Mecanismos e Distribuições.

Nome Descrição
Classe discard_block_engine Gera uma sequência aleatória descartando valores retornados pelo mecanismo de base.
Classe independent_bits_engine Gera uma sequência aleatória com um número especificado de bits recompactando bits dos valores retornados pelo mecanismo básico.
Classe shuffle_order_engine Gera uma sequência aleatória reordenando os valores retornados pelo mecanismo de base.

[Modelos de Mecanismos]

Distribuições de números aleatórios

As seções a seguir listam as distribuições fornecidas no cabeçalho <random>. As distribuições são um mecanismo de pós-processamento, que geralmente usam uma saída de URNG como entrada e distribuem a saída de acordo com uma função de densidade probabilística estatística definida. Para obter mais informações, consulte a seção Mecanismos e Distribuições.

Distribuições Uniformes

Nome Descrição
Classe uniform_int_distribution Produz uma distribuição de valor inteiro uniforme em um intervalo no intervalo fechado [a, b] (inclusivo-inclusivo).
Classe uniform_real_distribution Produz uma distribuição de valor real uniforme (ponto flutuante) em um intervalo no intervalo semiaberto [a, b) (inclusivo-exclusivo).
generate_canonical Produz uma distribuição igual de valores reais (ponto flutuante) de uma determinada precisão em [0, 1) (inclusivo-exclusivo).

[Distribuições de Número Aleatório]

Distribuições Bernoulli

Nome Descrição
Classe bernoulli_distribution Produz uma distribuição Bernoulli de valores bool.
Classe binomial_distribution Produz uma distribuição binomial de valores inteiros.
Classe geometric_distribution Produz uma distribuição geométrica de valores inteiros.
Classe negative_binomial_distribution Produz uma distribuição binomial negativa de valores inteiros.

[Distribuições de Número Aleatório]

Distribuições normais

Nome Descrição
Classe cauchy_distribution Produz uma distribuição de Cauchy de valores reais (ponto flutuante).
Classe chi_squared_distribution Produz uma distribuição qui-quadrada de valores reais (ponto flutuante).
Classe fisher_f_distribution Produz uma distribuição F (também conhecida como distribuição F de Snedecor ou distribuição de Fisher–Snedecor) de valores reais (ponto flutuante).
Classe lognormal_distribution Produz uma distribuição normal de log de valores reais (ponto flutuante).
Classe normal_distribution Produz uma distribuição normal (Gaussian) de valores reais (ponto flutuante).
Classe student_t_distribution Produz uma t-distribution de valores reais (ponto flutuante).

[Distribuições de Número Aleatório]

Distribuições Poisson

Nome Descrição
Classe exponential_distribution Produz uma distribuição exponencial de valores reais (ponto flutuante).
Classe extreme_value_distribution Produz uma distribuição de valor extremo de valores reais (ponto flutuante).
Classe gamma_distribution Produz uma distribuição gama de valores reais (ponto flutuante).
Classe poisson_distribution Produz uma distribuição Poisson de valores inteiros.
Classe weibull_distribution Produz uma distribuição Weibull de valores reais (ponto flutuante).

[Distribuições de Número Aleatório]

Distribuições de Amostragem

Nome Descrição
Classe discrete_distribution Produz uma distribuição inteira discreta.
Classe piecewise_constant_distribution Produz uma distribuição constante em partes de valores reais (ponto flutuante).
Classe piecewise_linear_distribution Produz uma linear constante em partes de valores reais (ponto flutuante).

[Distribuições de Número Aleatório]

Funções de utilitário

Esta seção lista as funções de utilitário gerais fornecidas no cabeçalho <random>.

Nome Descrição
Classe seed_seq Gera uma sequência de transmissão embaralhada e não polarizada. Usadas para evitar a replicação de transmissões variadas aleatórias. Útil quando vários URNGs são instanciados dos mecanismos.

Operadores

Esta seção lista os operadores fornecidos no cabeçalho <random>.

Nome Descrição
operator== Testa se o URNG no lado esquerdo do operador é igual ao mecanismo do lado direito.
operator!= Testa se o URNG no lado esquerdo do operador não é igual ao mecanismo do lado direito.
operator<< Grava informações de estado em uma transmissão.
operator>> Extrai informações de estado de uma transmissão.

Mecanismos e distribuições

Consulte as seções a seguir para obter informações sobre cada um desses categorias de modelo de classe definidas em <random>. Ambas essas categorias de modelo de classe assumem um tipo como um argumento e usam nomes de parâmetro de modelo compartilhados para descrever as propriedades de tipo que são permitidas como um tipo de argumento real, como nos seguintes exemplos:

  • IntType indica um short, int, long, long long, unsigned short, unsigned int, unsigned long, ou unsigned long long.

  • UIntType indica unsigned short, unsigned int, unsigned long, ou unsigned long long.

  • RealType indica um float, double, ou long double.

Mecanismos

Modelos do mecanismo e Modelos de adaptador do mecanismo são modelos cujos parâmetros personalizam o gerador criado.

Um engine é uma classe ou modelo de classe cujas instâncias (geradores) agem como uma fonte de números aleatórios distribuídos uniformemente entre um valor mínimo e um máximo. Um adaptador do mecanismo oferece uma sequência de valores que têm propriedades de aleatoriedade diferentes assumindo valores produzidos por outro mecanismo de número aleatório e aplicando um algoritmo de algum tipo a esses valores.

Cada mecanismo e adaptador do mecanismo possuem os seguintes membros:

  • typedefnumeric-type result_type é o tipo retornado pelo gerador operator(). O numeric-type é transferido como um parâmetro de modelo na instanciação.

  • result_type operator() retorna valores que são distribuídos uniformemente entre min() e max().

  • result_type min() retorna o valor mínimo retornado pelo operator()do gerador. Adaptadores do mecanismo usam o resultado min() do mecanismo de base.

  • result_type max() retorna o valor máximo retornado pelo operator()do gerador. Quando result_type é um tipo integral (com valor inteiro), max() é o valor máximo que pode ser retornado de fato (inclusivo); quando result_type é um tipo de ponto flutuante (com valor real), max() é o menor valor superior a todos os valores que podem ser retornados (não inclusivo). Adaptadores do mecanismo usam o resultado max() do mecanismo de base.

  • void seed(result_type s) propaga o gerador com o valor de semente s. Para mecanismos, a assinatura é void seed(result_type s = default_seed) para suporte ao parâmetro padrão (adaptadores do mecanismo definem um void seed() separado, consulte a próxima subseção).

  • template <class Seq> void seed(Seq& q) propaga o gerador usando um seed_seqSeq.

  • Um construtor explícito com o argumento result_type x que cria uma gerador propagado como se fosse chamando seed(x).

  • Um construtor explícito com o argumento seed_seq& seq que cria uma gerador propagado como se fosse chamando seed(seq).

  • void discard(unsigned long long count) efetivamente chama operator() count tempos e descarta cada valor.

Adaptadores do mecanismo também dão suporte a esses membros (Engine é o primeiro parâmetro de modelo de um adaptador do mecanismo, designando o tipo do mecanismo básico):

  • Um construtor padrão para inicializar o gerado como se fosse a partir do construtor padrão do mecanismo básico.

  • Um construtor explícito com o argumento const Engine& eng. Isso serve para oferecer suporte à construção de cópia usando o mecanismo básico.

  • Um construtor explícito com o argumento Engine&& eng. Isso serve para oferecer suporte à construção de movimentação usando o mecanismo básico.

  • void seed() que inicializa o gerador com o valor de semente padrão do mecanismo básico.

  • const Engine& base() função da propriedade que retorna o mecanismo básico usado para construir o gerador.

Cada mecanismo mantém um state que determina a sequência de valores que será gerada pelas chamadas subsequentes para operator(). Os estados de dois gerados instanciados a partir de mecanismos do mesmo tipo podem ser comparados usando operator== e operator!=. Se os dois estados forem comparados e forem iguais, eles gerarão a mesma sequência de valores. O estado de um objeto pode ser salvo em uma transmissão como uma sequência de valores sem sinal de 32 bits usando o operator<< do gerador. O estado não é alterado ao salvá-lo. Um estado salvo pode ser lido no gerador instanciado de um mecanismo do mesmo tipo usando operator>>.

Distribuições

Distribuições de Número Aleatório é uma classe ou modelo de classe cujas instâncias transformam uma transmissão de números aleatórios distribuídos uniformemente obtidos de um mecanismo em uma transmissão de números aleatórios que têm uma distribuição específica. Cada distribuição possui os seguintes membros:

  • typedefnumeric-type result_type é o tipo retornado pelo operator(). O numeric-type é transferido como um parâmetro de modelo na instanciação.

  • template <class URNG> result_type operator()(URNG& gen) retorna valores que são distribuídos de acordo com a definição da distribuição, usando gen como uma fonte de valores aleatórios distribuídos uniformemente e os parâmetros armazenados da distribuição.

  • template <class URNG> result_type operator()(URNG& gen, param_type p) retorna valores distribuídos de acordo com a definição da distribuição, usando gen como uma fonte de valores aleatórios distribuídos uniformemente e a estrutura de parâmetros p.

  • typedefunspecified-type param_type é o pacote de parâmetros opcionalmente passado e operator() é usado no lugar dos parâmetros armazenados para gerar seu valor de retorno.

  • Um construtor const param& inicializa os parâmetros armazenados do seu argumento.

  • param_type param() const obtém os parâmetros armazenados.

  • void param(const param_type&) define os parâmetros armazenados do seu argumento.

  • result_type min() retorna o valor mínimo retornado pelo operator() da distribuição.

  • result_type max() retorna o valor máximo retornado pelo operator() da distribuição. Quando result_type é um tipo integral (com valor inteiro), max() é o valor máximo que pode ser retornado de fato (inclusivo); quando result_type é um tipo de ponto flutuante (com valor real), max() é o menor valor superior a todos os valores que podem ser retornados (não inclusivo).

  • void reset() descarta qualquer valor armazenado em cache, de forma que o resultado da próxima chamada para operator() não dependa dos valores obtidos do mecanismo antes da chamada.

Uma estrutura de parâmetro é um objeto que armazena todos os parâmetros necessários para uma distribuição. Ele contém:

  • typedefdistribution-type distribution_type, que é o tipo de sua distribuição.

  • Um ou mais construtores que assumem as mesmas listas de parâmetros assumidos pelos construtores da distribuição.

  • As mesmas funções de acesso do parâmetro que a distribuição.

  • Operadores de comparação de equalidade e inequalidade.

Para obter mais informações, consulte os subtópicos de referência abaixo deste, vinculados anteriormente neste artigo.

Comentários

Há dois URNGs bastante úteis no Visual Studio — mt19937 e random_device — como mostrado na tabela de comparação:

URNG Rápido Protegido por criptografia Propagável Determinística
mt19937 Sim Não Sim Sim*
random_device Não Sim Não No

* Quando fornecido com uma semente conhecida.

Embora o Padrão ISO C++ não exija que o random_device seja protegido por criptografia, no Visual Studio, ele é implementado com proteção criptográfica. (O termo “proteção criptográfica” não implica em garantias, mas se refere ao nível mínimo de entropia e, portanto, ao nível de previsibilidade, que um determinado algoritmo aleatório oferece. Para obter mais informações, consulte o artigo da Wikipédia Cryptographically secure pseudorandom number generator (Gerador de número pseudoaleatório protegido criptograficamente).) Como o Padrão ISO C++ não exige isso, outras plataformas podem implementar random_device como um gerador de número pseudoaleatório simples (não protegido criptograficamente) e podem ser adequadas somente como uma fonte de semente para outro gerador. Verifique a documentação dessas plataformas ao usar random_device no código entre plataformas.

Por definição, resultados do random_device não são reproduzíveis e um efeito colateral é que ele pode ser executado de maneira significativamente mais lenta do que outros URNGs. A maioria dos aplicativos que não exige proteção criptográfica usa o mt19937 ou um mecanismo semelhante, embora possa ser útil propagá-lo com uma chamada para random_device, como mostrado no exemplo de código.

Confira também

Referência de Arquivos de Cabeçalho