piecewise_linear_distribution 类

项目
06/16/2023

生成包含以线性变化的概率分布在每个区间中的不等宽区间的分段线性分布。

语法

template<class RealType = double>
class piecewise_linear_distribution
   {
public:
   // types
   typedef RealType result_type;
   struct param_type;

   // constructor and reset functions
   piecewise_linear_distribution();
   template <class InputIteratorI, class InputIteratorW>
   piecewise_linear_distribution(
      InputIteratorI firstI, InputIteratorI lastI, InputIteratorW firstW);
   template <class UnaryOperation>
   piecewise_linear_distribution(
      initializer_list<result_type> intervals, UnaryOperation weightfunc);
   template <class UnaryOperation>
   piecewise_linear_distribution(
      size_t count, result_type xmin, result_type xmax, UnaryOperation weightfunc);
   explicit piecewise_linear_distribution(const param_type& parm);
   void reset();

   // generating functions
   template <class URNG>
   result_type operator()(URNG& gen);
   template <class URNG>
   result_type operator()(URNG& gen, const param_type& parm);

   // property functions
   vector<result_type> intervals() const;
   vector<result_type> densities() const;
   param_type param() const;
   void param(const param_type& parm);
   result_type min() const;
   result_type max() const;
   };

参数

RealType
浮点结果类型，默认为 double。有关可能的类型，请参阅 <random>。

注解

此示例分布包含以线性变化的概率分布在每个区间中的不等宽区间。有关其他采样分布的信息，请参阅 piecewise_linear_distribution 和 discrete_distribution。

下表链接到有关各个成员的文章：

piecewise_linear_distribution
param_type

属性函数 intervals() 将返回 vector<result_type> 以及分布的存储区间集。

属性函数 densities() 将返回 vector<result_type> 以及每个区间集的存储密度，根据构造函数参数中提供的权重计算存储密度。

属性成员 param() 将设置或返回 param_type 存储的分布参数包。

min() 和 max() 成员函数将分别返回最小可能结果和最大可能结果。

reset() 成员函数将放弃所有缓存的值，使下一个对 operator() 的调用的结果不取决于在调用之前从引擎获得的任何值。

operator() 成员函数将根据 URNG 引擎，从当前参数包或指定参数包返回下一个生成的值。

有关分布类及其成员的详细信息，请参阅 <random>。

示例

// compile with: /EHsc /W4
#include <random>
#include <iostream>
#include <iomanip>
#include <string>
#include <map>

using namespace std;

void test(const int s) {

    // uncomment to use a non-deterministic generator
    // random_device rd;
    // mt19937 gen(rd());
    mt19937 gen(1701);

    // Three intervals, non-uniform: 0 to 1, 1 to 6, and 6 to 15
    vector<double> intervals{ 0, 1, 6, 15 };
    // weights determine the densities used by the distribution
    vector<double> weights{ 1, 5, 5, 10 };

    piecewise_linear_distribution<double> distr(intervals.begin(), intervals.end(), weights.begin());

    cout << endl;
    cout << "min() == " << distr.min() << endl;
    cout << "max() == " << distr.max() << endl;
    cout << "intervals (index: interval):" << endl;
    vector<double> i = distr.intervals();
    int counter = 0;
    for (const auto& n : i) {
        cout << fixed << setw(11) << counter << ": " << setw(14) << setprecision(10) << n << endl;
        ++counter;
    }
    cout << endl;
    cout << "densities (index: density):" << endl;
    vector<double> d = distr.densities();
    counter = 0;
    for (const auto& n : d) {
        cout << fixed << setw(11) << counter << ": " << setw(14) << setprecision(10) << n << endl;
        ++counter;
    }
    cout << endl;

    // generate the distribution as a histogram
    map<int, int> histogram;
    for (int i = 0; i < s; ++i) {
        ++histogram[distr(gen)];
    }

    // print results
    cout << "Distribution for " << s << " samples:" << endl;
    for (const auto& elem : histogram) {
        cout << setw(5) << elem.first << '-' << elem.first + 1 << ' ' << string(elem.second, ':') << endl;
    }
    cout << endl;
}

int main()
{
    int samples = 100;

    cout << "Use CTRL-Z to bypass data entry and run using default values." << endl;
    cout << "Enter an integer value for the sample count: ";
    cin >> samples;

    test(samples);
}

Use CTRL-Z to bypass data entry and run using default values.
Enter an integer value for the sample count: 100
min() == 0
max() == 15
intervals (index: interval):
          0:   0.0000000000
          1:   1.0000000000
          2:   6.0000000000
          3:  15.0000000000
densities (index: density):
          0:   0.0645161290
          1:   0.3225806452
          2:   0.3225806452
          3:   0.6451612903
Distribution for 100 samples:
    0-1 :::::::::::::::::::::
    1-2 ::::::
    2-3 :::
    3-4 :::::::
    4-5 ::::::
    5-6 ::::::
    6-7 :::::
    7-8 ::::::::::
    8-9 ::::::::::
    9-10 ::::::
   10-11 ::::
   11-12 :::
   12-13 :::
   13-14 :::::
   14-15 :::::

要求

标头：<random>

命名空间： std

piecewise_linear_distribution::piecewise_linear_distribution

构造分布。

// default constructor
piecewise_linear_distribution();

// constructs using a range of intervals, [firstI, lastI), with
// matching weights starting at firstW
template <class InputIteratorI, class InputIteratorW>
piecewise_linear_distribution(InputIteratorI firstI, InputIteratorI lastI, InputIteratorW firstW);

// constructs using an initializer list for range of intervals,
// with weights generated by function weightfunc
template <class UnaryOperation>
piecewise_linear_distribution(initializer_list<RealType>
intervals, UnaryOperation weightfunc);

// constructs using an initializer list for range of count intervals,
// distributed uniformly over [xmin,xmax] with weights generated by function weightfunc
template <class UnaryOperation>
piecewise_linear_distribution(size_t count, RealType xmin, RealType xmax, UnaryOperation weightfunc);

// constructs from an existing param_type structure
explicit piecewise_linear_distribution(const param_type& parm);

参数

firstI
分布范围中第一个元素的输入迭代器。

lastI
分布范围中最后一个元素的输入迭代器。

firstW
权重范围中第一个元素的输入迭代器。

intervals
具有分布区间的 initializer_list。

count
分布范围中的元素数。

xmin
分布范围中的最低值。

xmax
分布范围中的最高值。必须大于 xmin。

weightfunc
表示分布的概率函数的对象。参数和返回值都必须可转换为 double。

parm
用于构造分布的参数结构。

备注

默认构造函数将设置存储参数，以便存在一个概率密度为 1 的 0 到 1 的区间。

迭代器范围构造函数

template <class InputIteratorI, class InputIteratorW>
piecewise_linear_distribution(
    InputIteratorI firstI,
    InputIteratorI lastI,
    InputIteratorW firstW);

使用序列 [ firstI, lastI) 上迭代器中的区间和以 firstW 开始的匹配权重序列来构造分布对象。

初始值设定项列表构造函数

template <class UnaryOperation>
piecewise_linear_distribution(
    initializer_list<result_type> intervals,
    UnaryOperation weightfunc);

使用初始化表达式列表间隔中的区间和从函数 weightfunc 中生成的权重来构造分布对象。

定义为以下内容的构造函数

template <class UnaryOperation>
piecewise_linear_distribution(
    size_t count,
    result_type xmin,
    result_type xmax,
    UnaryOperation weightfunc);

使用在 [xmin,xmax] 上均匀分布的 count 区间来构造分布对象，从而根据函数 weightfunc 分配每个区间权重，weightfunc 必须接受一个参数并包含一个返回值，两者都可转换为 double。 前提条件：xmin < xmax。

定义为以下内容的构造函数

explicit piecewise_linear_distribution(const param_type& parm);

通过将 parm 用作存储的参数结构，构造分布对象。

piecewise_linear_distribution::param_type

存储分布的所有参数。

struct param_type {
   typedef piecewise_linear_distribution<result_type> distribution_type;
   param_type();
   template <class IterI, class IterW>
   param_type(
      IterI firstI, IterI lastI, IterW firstW);
   template <class UnaryOperation>
   param_type(
      size_t count, result_type xmin, result_type xmax, UnaryOperation weightfunc);
   std::vector<result_type> densities() const;
   std::vector<result_type> intervals() const;

   bool operator==(const param_type& right) const;
   bool operator!=(const param_type& right) const;
   };

参数

请参阅 piecewise_linear_distribution 的构造函数参数。

注解

前置条件：xmin < xmax

在实例化时，可将此结构传递给分布的类构造函数、传递给 param() 成员函数以设置现有分布的存储参数，并传递给 operator() 以代替存储参数使用。

另请参阅

通过

piecewise_linear_distribution 类

语法

参数

注解

示例

要求

piecewise_linear_distribution::piecewise_linear_distribution

参数

备注

piecewise_linear_distribution::param_type

参数

注解

另请参阅

反馈

反馈

其他资源