piecewise_linear_distribution 類別
產生分段線性分佈，其中有不同寬度間隔，且每個間隔中有線性變化可能性。
語法
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;
};
參數
RealType
浮點結果類型，預設值為 double。 如需可能的類型，請參閱 < 隨機 > 。
備註
此取樣分佈有不同寬度間隔，且每個間隔中有線性變動可能性。 如需其他取樣分佈的詳細資訊，請參閱 piecewise_linear_distribution 和 discrete_distribution。
下表提供各個成員的文章連結：
piecewise_linear_distribution
param_type
屬性函式 intervals() 會傳回 vector<result_type>，其中具有儲存的分佈間隔的設定。
屬性函式 densities() 會傳回 vector<result_type>，其中具有針對每個間隔設定所儲存的密度，這是根據建構函式參數中提供的加權所計算而得。
屬性成員 param() 會設定或傳回 param_type 預存分佈參數套件。
min() 和 max() 成員函式會分別傳回最小可能結果和最大可能結果。
reset() 成員函式會捨棄任何快取的值，讓下個針對 operator() 呼叫的結果不是取決於呼叫之前取自引擎的任何值。
operator() 成員函式會根據 URNG 引擎傳回下一個產生的值，無論是從目前的參數封裝或是指定的參數封裝。
如需散發類別及其成員的詳細資訊，請參閱 < 隨機 > 。
範例
// 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 :::::
需求
標頭： < random>
命名空間：std
piecewise_linear_distribution::piecewise_linear_distribution
建構分佈。
// 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);
參數
firstI
分佈範圍中第一個元素的輸入迭代器。
lastI
分佈範圍中最後一個元素的輸入迭代器。
firstW
加權範圍中第一個元素的輸入迭代器。
intervals
具有分佈間隔的 initializer_list。
計數
分佈範圍中的元素數目。
xmin
分佈範圍中的最低值。
xmax
分佈範圍中的最高值。 必須大於 xmin。
weightfunc
表示分佈的可能性函式的物件。 參數和傳回值都必須可以轉換為 double。
parm
用於建構分佈的參數結構。
備註
預設建構函式會設定儲存的參數，因此會有可能性密度為 1 的一個間隔 (0 到 1)。
迭代器範圍建構函式
template <class InputIteratorI, class InputIteratorW>
piecewise_linear_distribution(
InputIteratorI firstI,
InputIteratorI lastI,
InputIteratorW firstW);
從反覆運算器透過序列 [ firstI 、 lastI ） 建構具有 itnervals 的散發物件，以及從第一個W 開始的 相符權數序列。
初始設定式清單建構函式
template <class UnaryOperation>
piecewise_linear_distribution(
initializer_list<result_type> intervals,
UnaryOperation weightfunc);
使用初始化運算式清單 間隔的間隔 和函 式 weightfunc 所產生的權數，建構散發物件。
建構函式定義為
template <class UnaryOperation>
piecewise_linear_distribution(
size_t count,
result_type xmin,
result_type xmax,
UnaryOperation weightfunc);
建構一個分佈物件，其 計數間隔會統一地分散于 [ xmin,xmax ]，根據 函式 weightfunc 指派每個間隔權數，而 weightfunc 必須接受一個參數並具有傳回值，兩者皆可轉換成 double 。 前置條件：xmin < xmax。
建構函式定義為
explicit piecewise_linear_distribution(const param_type& parm);
使用 parm 作為預存參數結構來建構散發物件。
piecewise_linear_distribution::param_type
儲存分佈的所有參數。
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;
};
參數
請參閱 piecewise_linear_distribution 的建構函式參數。
備註
前置條件︰xmin < xmax
此結構可在具現化時傳遞至分佈的類別建構函式，傳遞至 param() 成員函式可設定現有分佈之儲存的參數，傳遞至 operator() 可用於取代儲存的參數。
另請參閱
意見反應
即將登場：在 2024 年，我們將逐步淘汰 GitHub 問題作為內容的意見反應機制，並將它取代為新的意見反應系統。 如需詳細資訊，請參閱：https://aka.ms/ContentUserFeedback。
提交並檢視相關的意見反應