वर्दी_इन_डिस्ट्रिब्यूशन बनाम मॉड्यूलस ऑपरेशन का उपयोग करने के क्या फायदे हैं?

Question

निम्नलिखित परिणामों के मुताबिक, % ऑपरेशन का उपयोग करके दो संख्याओं के बीच वर्दी यादृच्छिक पूर्णांक उत्पन्न करना std::uniform_int_distribution का उपयोग करने से लगभग 3 गुना तेज है: क्या std::uniform_int_distribution का उपयोग करने का कोई अच्छा कारण है?

कोड:

#include <iostream> 
#include <functional> 
#include <vector> 
#include <algorithm> 
#include <random> 

#include <cstdio> 
#include <cstdlib> 

using namespace std; 

#define N 100000000 

int main() 
{ 

clock_t tic,toc; 

for(int trials=0; trials<3; trials++) 
{ 
    cout<<"trial: "<<trials<<endl; 

    // uniform_int_distribution 
    { 
     int res = 0; 
     mt19937 gen(1); 
     uniform_int_distribution<int> dist(0,999); 

     tic = clock(); 
     for(int i=0; i<N; i++) 
     { 
      int r = dist(gen); 
      res += r; 
      res %= 1000; 
     } 
     toc = clock(); 
     cout << "uniform_int_distribution: "<<(float)(toc-tic)/CLOCKS_PER_SEC << endl; 
     cout<<res<<" "<<endl; 

    } 

    // simple modulus operation 
    { 
     int res = 0; 
     mt19937 gen(1); 

     tic = clock(); 
     for(int i=0; i<N; i++) 
     { 
      int r = gen()%1000; 
      res += r; 
      res %= 1000; 
     } 
     toc = clock(); 
     cout << "simple modulus operation: "<<(float)(toc-tic)/CLOCKS_PER_SEC << endl; 
     cout<<res<<" "<<endl; 

    } 

    cout<<endl; 
} 

} 

आउटपुट:

trial: 0 
uniform_int_distribution: 2.90289 
538 
simple modulus operation: 1.0232 
575 

trial: 1 
uniform_int_distribution: 2.86416 
538 
simple modulus operation: 1.01866 
575 

trial: 2 
uniform_int_distribution: 2.94309 
538 
simple modulus operation: 1.01809 
575 

Answer 1

आप मिल जाएगा सांख्यिकीय पूर्वाग्रह आप सापेक्ष (%) का उपयोग करते हैं जैसे की सीमा मैप करने के लिए rand() एक और अंतराल के लिए।

उदा rand()[0, 32767] के लिए समान रूप नक्शे (पूर्वाग्रह के बिना) लगता है और आप [0,4] कर rand() % 5 मैप करना चाहते हैं। फिर मान 0, 1, और 2 औसत पर 32768 बार से 6554 का उत्पादन किया जाएगा, लेकिन मूल्य 3 और 4 केवल 6553 बार (ताकि 3 * 6554 + 2 * 6553 = 32768)।

पूर्वाग्रह छोटा है (0.01%) लेकिन आपके आवेदन के आधार पर घातक साबित हो सकता है। अधिक जानकारी के लिए स्टीफन टी। लववेज की बातचीत "rand() considered harmful" देखें।