一、隨機數測試
C++中常用rand()函數生成隨機數，但嚴格意義上來講生成的只是偽隨機數（pseudo-random integral number）。生成隨機數時需要我們指定一個種子，如果在程序內循環，那麼下一次生成隨機數時調用上一次的結果作為種子。但如果分兩次執行程序，那麼由於種子相同，生成的“隨機數”也是相同的。
《C++ 設計新思維》 下載見 http://www.linuxidc.com/Linux/2014-07/104850.htm
C++ Primer Plus 第6版 中文版 清晰有書簽PDF+源代碼 http://www.linuxidc.com/Linux/2014-05/101227.htm
讀C++ Primer 之構造函數陷阱 http://www.linuxidc.com/Linux/2011-08/40176.htm
讀C++ Primer 之智能指針 http://www.linuxidc.com/Linux/2011-08/40177.htm
讀C++ Primer 之句柄類 http://www.linuxidc.com/Linux/2011-08/40175.htm
將C語言梳理一下，分布在以下10個章節中：
在工程應用時，我們一般將系統當前時間(Unix時間)作為種子，這樣生成的隨機數更接近於實際意義上的隨機數。給一下例程如下：
#include <iostream>
#include <ctime>
#include <cstdlib>
using namespace std;
int main()
{
double random(double,double);
srand(unsigned(time(0)));
for(int icnt = 0; icnt != 10; ++icnt)
cout << "No." << icnt+1 << ": " << int(random(0,10))<< endl;
return 0;
}
double random(double start, double end)
{
return start+(end-start)*rand()/(RAND_MAX + 1.0);
}
/* 運行結果
* No.1: 3
* No.2: 9
* No.3: 0
* No.4: 9
* No.5: 5
* No.6: 6
* No.7: 9
* No.8: 2
* No.9: 9
* No.10: 6
*/
利用這種方法能不能得到完全意義上的隨機數呢？似乎9有點多哦？卻沒有1,4,7？！我們來做一個概率實驗，生成1000萬個隨機數，看0-9這10個數出現的頻率是不是大致相同的。
程序如下：
#include <iostream>
#include <ctime>
#include <cstdlib>
#include <iomanip>
using namespace std;
int main()
{
double random(double,double);
int a[10] = {0};
const int Gen_max = 10000000;
srand(unsigned(time(0)));
for(int icnt = 0; icnt != Gen_max; ++icnt)
switch(int(random(0,10)))
{
case 0: a[0]++; break;
case 1: a[1]++; break;
case 2: a[2]++; break;
case 3: a[3]++; break;
case 4: a[4]++; break;
case 5: a[5]++; break;
case 6: a[6]++; break;
case 7: a[7]++; break;
case 8: a[8]++; break;
case 9: a[9]++; break;
default: cerr << "Error!" << endl; exit(-1);
}
for(int icnt = 0; icnt != 10; ++icnt)
cout << icnt << ": " << setw(6) << setiosflags(ios::fixed) << setprecision(2) << double(a[icnt])/Gen_max*100 << "%" << endl;
return 0;
}
double random(double start, double end)
{
return start+(end-start)*rand()/(RAND_MAX + 1.0);
}
/* 運行結果
* 0: 10.01%
* 1: 9.99%
* 2: 9.99%
* 3: 9.99%
* 4: 9.98%
* 5: 10.01%
* 6: 10.02%
* 7: 10.01%
* 8: 10.01%
* 9: 9.99%
*/
可知用這種方法得到的隨機數是滿足統計規律的。
另：在Linux下利用GCC編譯程序，即使我執行了1000000次運算，是否將random函數定義了inline函數似乎對程序沒有任何影響，有理由相信，GCC已經為我們做了優化。但是冥冥之中我又記得要做inline優化得加O3才行...
不行，於是我們把循環次數改為10億次，用time命令查看執行時間：
linuxidc@gentoo ~/workspace/test/Debug $ time ./test
0: 10.00%
1: 10.00%
2: 10.00%
3: 10.00%
4: 10.00%
5: 10.00%
6: 10.00%
7: 10.00%
8: 10.00%
9: 10.00%
real 2m7.768s
user 2m4.405s
sys 0m0.038s
linuxidc@gentoo ~/workspace/test/Debug $ time ./test
0: 10.00%
1: 10.00%
2: 10.00%
3: 10.00%
4: 10.00%
5: 10.00%
6: 10.00%
7: 10.00%
8: 10.00%
9: 10.00%
real 2m7.269s
user 2m4.077s
sys 0m0.025s
前一次為進行inline優化的情形，後一次為沒有作inline優化的情形，兩次結果相差不大，甚至各項指標後者還要好一些，不知是何緣由...
更多詳情見請繼續閱讀下一頁的精彩內容： http://www.linuxidc.com/Linux/2014-11/109906p2.htm
