首先定義RandomNumber類的時候,我們就定義了一個構造函數,每次調用就會產生隨着系統時間變化的隨機種子,這樣我們就可以避免生成僞隨機數,小數和整數隨機數的生成比較好理解,而服從正態分佈的隨機數本文采用的是Box–Muller算法,它可以通過兩個服從(0,1)均勻分佈的隨機數構造服從正態分佈的隨機數。
Box-Muller算法
當x和y是兩個獨立且服從(0,1)均勻分佈的隨機變量時,有
Z1和Z2獨立且服從標準正態分佈,當帶入均值和方差時,
Z就可以產生服從(μ,σ2)正態分佈的隨機數,本文采用的是Z1。
實例
設置隨機產生20組(-100,100)的整數,(0,1)的小數,服從(0,1)正態分佈的隨機數
c++代碼
#include <iostream>
#include <ctime>
#define PI 3.1415926535897 //π值
using namespace std;
//==========================隨機產生均勻分佈的小數、整數和服從高斯分佈的隨機數=========================
class RandomNumber
{
public:
RandomNumber() {
srand((unsigned)time(NULL)); //析構函數,在對象創建時數據成員執行初始化操作
}
int integer(int begin, int end)
{
return rand() % (end - begin + 1) + begin;
}
double decimal(double a, double b)
{
return double(rand() % 10000) / 10000 * (b - a) + a;
}
double GaussianNoise(double mu, double sigma)
{
return sigma * sqrt(-2 * log(decimal(0, 1)))*cos(2 * PI*(decimal(0, 1))) + mu;
}
};
int main()
{
RandomNumber r;//定義隨機數
cout << " " << "整數" << " " << "小數" << " " << "服從(0,1)正態分佈" << endl;
for (int i = 0; i < 20; i++)
{
cout << " " << r.integer(-100, 100) << " " << r.decimal(0, 1) << " " << r.GaussianNoise(0, 1) << endl;
}
}