来自单个种子的多个独立随机数流

Question

我有n相似的分析，每个都使用m_i伪随机数流（m_i可能在不同的分析之间有所不同）。每个分析都有自己的随机数种子，这样随机数在分析之间是不相关的。在

我的问题是我需要从单个种子创建m_i流。分析目前是用Numpy编写的，所以它的Mersenne Twister的解决方案是理想的，但我对其他成熟库中的解决方案持开放态度。我考虑了这些可能性：

1. 使用种子来创建一个随机数流，绘制m_i个整数，并将这些整数用作m_i随机流的种子。这并不好，因为birthday paradox。有2^32（~40亿）个种子，但是如果我在2^16（~60000）之后以碰撞（两个流以相同的种子开始）结束。

2. 将每个流索引的某个常量m_max乘以1，得到该流的种子。（例如，对于seed=2和{}，分析将使用种子20001、20002、20003等）。这是不可取的，因为在发生冲突之前，所有分析都将限制在m_max流中，如果{}太大，则分析的数量限制为2^32/m_max。

3. 使用种子创建一个随机数流，为每个需要的流绘制62432位integers，并将每个流的set the state转换为为为其绘制的624个整数。这似乎很完美，只是我不知道624个随机整数是否真的是Mersenne Twister的有效内部状态（可以是任意位吗？）。我也不知道整数之间是否有隐藏的关联（也许它们是同一个流，只是移动了624）。

有标准的方法吗？在

Answer 1

方法3可以工作，因为任何PRNG的种子都可以与PRNG的状态一样长（例如，Mersenne Twister的状态长度为19968位，或624*32位，因此可以接受最多为多个位的种子-它不仅限于32位或64位，许多实现Mersenne Twister的api的实践也是如此）。然而，你应该使用一个与梅森捻线无关的设计的PRNG，如PCG，种子种子，然后绘制624整数种子，如你所建议。（或者，如果您不需要可重复的结果，或者如果您要保存这样生成的624个整数种子，您可以使用加密RNG，例如os.urandom()或{}，来绘制这些种子。）My article on RNGs建议使用不同设计的几个prng。在

---

更新（2019年12月1日）：

如果您使用的是NumPy，请注意，同时，NumPy 1.17引入了一个new random number generation system；它使用所谓的位生成器，如PCG，随机生成器，如新的numpy.random.Generator。这是proposal to change the RNG policy的结果。NumPy文档现在有关于seeding RNGs in parallel和multithreading RNGs的详细信息。我还有关于在“Seed Generation for Noncryptographic PRNGs”中植入多个进程（不是NumPy特定的）的一般信息