Erstellen einer uneinheitlichen, ganzzahligen Verteilung mit tr1 zufällig

Es gibt dort andere Integer-Verteilungen, sie haben nur int in ihren Namen. Sie haben typedef IntType result_type in ihren Klassendefinitionen.

Diejenigen, die sich wie beschrieben verhalten, sind:

• binomial_distribution (t, p)

  Dadurch werden Zahlen im Bereich 0 ≤ x ≤ t generiert. Daher müssen Sie den Bereich nach min umwandeln. Der Mittelwert liegt bei t · p , also wählen Sie ein p in der Nähe von 0.

  std::binomial_distribution<int> dist(max - min, .1);
return dist(gen) + min;

• poisson_distribution (λ)

  Dies erzeugt Zahlen 0 ≤ x & lt; ∞, aber große Zahlen sind zunehmend weniger wahrscheinlich. Sie können alles über max zensieren, um es auf einen Bereich zu beschränken. Der Parameter λ ist der Mittelwert. Wählen Sie es wie im vorherigen Beispiel:

  std::poisson_distribution<int> dist((max - min) * .1);
int x;
do
    x = dist(gen) + min;
while (x > max);
return x;

• geometric_distribution (p)

  erzeugt auch Zahlen 0 ≤ x & lt; ∞, aber 0 ist das wahrscheinlichste Ergebnis und jede nachfolgende Zahl ist weniger wahrscheinlich als die vorherige. Wählen Sie erneut den Parameter aus, der dem Mittelwert des vorherigen Beispiels entspricht:

  std::geometric_distribution<int> dist(1 / ((max - min) * .1 + 1));
int x;
do
    x = dist(gen) + min;
while (x > max);
return x;

Sie können auch eine der kontinuierlichen Verteilungen verwenden, um eine double zu generieren und sie dann auf eine int zu runden.

Zusätzlich zu den in der großen Antwort von @aaz genannten Distributionen sollten Sie daran denken, dass Sie Ihre Uniformverteilung auch in jede Wahrscheinlichkeitsverteilungsfunktion transformieren können, die Sie sich vorstellen können, indem Sie inverses Transformations-Sampling (das ist jedoch tatsächlich nur für einige" nette "Funktionen möglich) oder Zurückweisungssampling (kann in jedem Fall angewendet werden, kann aber rechenintensiv sein).

Mir scheint, dass eine Verteilung, die Ihren Anforderungen entspricht, die (negative) Exponentialverteilung wäre:

Glücklicherweise handelt es sich um eine der Verteilungen, auf die Sie die inverse Transformationsabtastung anwenden können, was bedeutet, dass Sie mit einer Stichprobe aus einer einheitlichen [0, 1] -Distribution eine Exponentialverteilung erhalten, indem Sie die Formel anwenden:

mit p ist ein Zufallswert aus der Gleichverteilung und lambda ist der Parameter der Exponentialverteilung; Weitere Informationen finden Sie hier .

Sobald du x (was ein double ist) bekommst, wirf es einfach auf int (oder runde es mit einer Funktion wie:

), um Ihr Ergebnis zu erhalten.

Bearbeiten

Übrigens habe ich nicht bemerkt, dass sogar die exponentielle Verteilung bereits in <random> enthalten ist ( link ) ... naja, noch besser, du musst den Code nicht schreiben, aber ein bisschen Theorie wird nie verloren :) .