从理论上讲,nextGaussian
的界限是正负无穷大。但由于用于计算高斯随机数的Random.nextDouble
不会无限接近0和1,因此nextGaussian
存在实际限制。而Random.next
也不是一个完美的均匀分布。
理论上,最大值应该是大约2.2042 * 10 ^ 17并且与nextDouble
(reference)的53位移位相关,但这可能只是一个上限。
答案可能取决于Random.next
的分布以及StrictMath.sqrt
和StrictMath.log
的确切实现。我找不到任何关于这两者的信息。
是的,我知道外部价值极不可能,但它可能是相关的,例如在游戏中RNG操纵的背景下。
对于这个答案,您必须知道的最重要的事情是Random.nextGaussian
的实现:
synchronized public double nextGaussian() {
// See Knuth, ACP, Section 3.4.1 Algorithm C.
if (haveNextNextGaussian) {
haveNextNextGaussian = false;
return nextNextGaussian;
} else {
double v1, v2, s;
do {
v1 = 2 * nextDouble() - 1; // between -1 and 1
v2 = 2 * nextDouble() - 1; // between -1 and 1
s = v1 * v1 + v2 * v2;
} while (s >= 1 || s == 0);
double multiplier = StrictMath.sqrt(-2 * StrictMath.log(s)/s);
nextNextGaussian = v2 * multiplier;
haveNextNextGaussian = true;
return v1 * multiplier;
}
}
并执行Random.nextDouble
:
public double nextDouble() {
return (double) (((long)(next(26)) << 27) + next(27)) / (1L << 53);
}
首先,我想提请你注意nextGaussian
一次生成2个值的事实,这取决于你是否知道自上次种子设置以来已经通过了多少次nextGaussian
调用,你可以稍微使用一下奇数与偶数呼叫的最大值较低。从现在开始,我将调用两个最大值v1_max和v2_max,指的是该值是由v1 * multiplier
还是v2 * multiplier
生成的。
有了这一点,让我们直接切入追逐并稍后解释:
| |Value |Seed* |
|------|------------------|---------------|
|v1_max|7.995084298635286 |97128757896197 |
|v2_max|7.973782613935931 |10818416657590 |
|v1_min|-7.799011049744149|119153396299238|
|v2_min|-7.844680087923773|10300138714312 |
* Seeds for v2 need to have nextGaussian called twice before you see the value listed.
@KaptainWutax和@Marco13的答案已经详细介绍了相同的事情,但我认为在图表上看事情可以让事情变得更加清晰。让我们关注v1_max,其他三个值保持非常相似的逻辑。我将在x轴上绘制v1
,在y轴上绘制v2
,在z轴上绘制v1 * multiplier
。
我们的眼睛立即跳到v1
= 0,v2
= 0,v1 * multiplier
=无穷大的最大点。但是如果你在do-while循环中注意到它,它明确地禁止这种情况。因此,从图中可以清楚地看出,实际的v1_max必须具有略高的v1
值,但不会高得多。另外值得注意的是,对于任何v1
值> 0,最大v1 * multiplier
在v2
= 0。
我们找到v1_max的方法是从零开始计算v1
(或者更具体地说,计算从0.5生成它的nextDouble
,按照nextDouble
的实现递增2 ^ -53的步长)。但是,只要知道v1
,我们如何获得其他变量,以及v1 * multiplier
的v1
?
事实证明,知道nextDouble
调用的输出足以确定当时生成它的Random
对象的种子。直觉上,这是因为查看nextDouble
实现,它“看起来”应该有2 ^ 54个可能的输出 - 但Random
的种子只有48位。此外,有可能在比蛮力更快的时间内恢复这种种子。
我最初尝试了一种天真的方法,基于使用next(27)
直接获取种子的位然后暴力 - 强制剩余的21位,但这被证明太慢而无用。然后SicksonFSJoe给了我一个更快的方法从单个nextDouble
调用中提取种子。请注意,要了解此方法的详细信息,您必须了解Random.next
的实现,以及一些模块化算法。
private static long getSeed(double val) {
long lval = (long) (val * (1L << 53));
// let t = first seed (generating the high bits of this double)
// let u = second seed (generating the low bits of this double)
long a = lval >> 27; // a is the high 26 bits of t
long b = lval & ((1 << 27) - 1); // b is the high 27 bits of u
// ((a << 22) + c) * 0x5deece66d + 0xb = (b << 21) + d (mod 2**48)
// after rearranging this gives
// (b << 21) - 11 - (a << 22) * 0x5deece66d = c * 0x5deece66d - d (mod 2**48)
// and because modular arithmetic
// (b << 21) - 11 - (a << 22) * 0x5deece66d + (k << 48) = c * 0x5deece66d - d
long lhs = ((b << 21) - 0xb - (a << 22) * 0x5deece66dL) & 0xffffffffffffL;
// c * 0x5deece66d is 56 bits max, which gives a max k of 375
// also check k = 65535 because the rhs can be negative
for (long k = 65535; k != 376; k = k == 65535 ? 0 : k + 1) {
// calculate the value of d
long rem = (0x5deece66dL - (lhs + (k << 48))) % 0x5deece66dL;
long d = (rem + 0x5deece66dL) % 0x5deece66dL; // force positive
if (d < (1 << 21)) {
// rearrange the formula to get c
long c = lhs + d;
c *= 0xdfe05bcb1365L; // = 0x5deece66d**-1 (mod 2**48)
c &= 0xffffffffffffL;
if (c < (1 << 22)) {
long seed = (a << 22) + c;
seed = ((seed - 0xb) * 0xdfe05bcb1365L) & 0xffffffffffffL; // run the LCG forwards one step
return seed;
}
}
}
return Long.MAX_VALUE; // no seed
}
现在我们可以从nextDouble
获得种子,我们可以迭代v1
值而不是种子。
算法概要如下:
nd1
(代表nextDouble
1)初始化为0.5nd1
2 ^ -53seed
(如果存在)计算nd1
,并生成nd2
,v1
,v2
和s
s
的有效性v2
= 0,设置一个新的上限这是一个Java实现。如果需要,您可以自己验证我给出的值。
public static void main(String[] args) {
double upperBound;
double nd1 = 0.5, nd2;
double maxGaussian = Double.MIN_VALUE;
long maxSeed = 0;
Random rand = new Random();
long seed;
int i = 0;
do {
nd1 += 0x1.0p-53;
seed = getSeed(nd1);
double v1, v2, s;
v1 = 2 * nd1 - 1;
if (seed != Long.MAX_VALUE) { // not no seed
rand.setSeed(seed ^ 0x5deece66dL);
rand.nextDouble(); // nd1
nd2 = rand.nextDouble();
v2 = 2 * nd2 - 1;
s = v1 * v1 + v2 * v2;
if (s < 1 && s != 0) { // if not, another seed will catch it
double gaussian = v1 * StrictMath.sqrt(-2 * StrictMath.log(s) / s);
if (gaussian > maxGaussian) {
maxGaussian = gaussian;
maxSeed = seed;
}
}
}
upperBound = v1 * StrictMath.sqrt(-2 * StrictMath.log(v1 * v1) / (v1 * v1));
if (i++ % 100000 == 0)
System.out.println(maxGaussian + " " + upperBound);
} while (upperBound > maxGaussian);
System.out.println(maxGaussian + " " + maxSeed);
}
最后要注意的是,这个算法将为你提供Random
的内部种子。要在setSeed
中使用它,你必须使用Random
的乘数0x5deece66dL
(在上表中已经为你完成)对它们进行xor。
所以我在这里所说的一切都纯粹是理论上的,我仍在研究GPU程序来扫描整个种子库。
nextGaussian()方法就是这样实现的。
private double nextNextGaussian;
private boolean haveNextNextGaussian = false;
public double nextGaussian() {
if (haveNextNextGaussian) {
haveNextNextGaussian = false;
return nextNextGaussian;
} else {
double v1, v2, s;
do {
v1 = 2 * nextDouble() - 1; // between -1.0 and 1.0
v2 = 2 * nextDouble() - 1; // between -1.0 and 1.0
s = v1 * v1 + v2 * v2;
} while (s >= 1 || s == 0);
double multiplier = StrictMath.sqrt(-2 * StrictMath.log(s)/s);
nextNextGaussian = v2 * multiplier;
haveNextNextGaussian = true;
return v1 * multiplier;
}
}
最有趣的部分必须在最后,[返回v1 *乘数]。因为v1不能大于1.0D,我们需要找到一种方法来增加乘法器的大小,实现如下。
double multiplier = StrictMath.sqrt(-2 * StrictMath.log(s)/s);
唯一的变量是“s”,可以安全地确定较低的“s”,乘数将越大。都好?我们继续吧。
do {
v1 = 2 * nextDouble() - 1; // between -1.0 and 1.0
v2 = 2 * nextDouble() - 1; // between -1.0 and 1.0
s = v1 * v1 + v2 * v2;
} while (s >= 1 || s == 0);
这告诉我们“s”必须属于0,1 [数字集,并且我们要寻找的最低值只是略大于零。 “S”用“v1”和“v2”的平方和声明。要获得最小的理论值,v2需要为零,v1需要尽可能小。为什么“理论”?因为它们是从nextDouble()调用生成的。无法保证种子库包含这2个连续数字。
让我们玩得开心吧!
最低值“v1”可以保持双倍的epsilon,即2 ^( - 1022)。回过头来获取这样的数字,nextDouble需要生成(2 ^( - 1022)+ 1)/ 2。
那......非常非常令人不安。我不是专家,但我很确定很多位都会丢失,并且可能会出现浮点错误。
nextDouble可能(绝对)不可能生成这样的值,但目标是找到尽可能接近该数字的值。
只是为了它的乐趣,让我们完整的数学来找到答案。 StrictMath.log()实现为自然日志。我没有调查它的精确度,但让我们假设在那个级别上没有限制。最高的nextGaussian将被计算为......
= (-2 * ln(v1 * v1) / (v1 * v1)) * v1
= (-2 * ln(EPSILON^2) / (EPSILON^2)) * EPSILON
where EPSILON is equal to 2^(-1022).
信不信由你,我几乎找不到任何接受这么小数字的计算器,但我最终选择了this high precision calculator。
通过插入这个等式,
(-2 * ln((2 ^( - 1022))^ 2)/((2 ^( - 1022))^ 2))*(2 ^( - 1022))
我有,
1,2734,793,735,356,5030,191,110,888,446,965,651,867,676,617,744,455,955,565,996,126,615,158,630,838,306,158 J + 311
挺大的吧?嗯......它肯定不会那么大......但考虑到这一点很好。希望我的推理有道理,不要羞于指出我犯的任何错误。
正如我在开始时所说的,我正在制定一个程序来强制所有种子并找到实际的最低值。我会及时通知你的。
编辑:
回复晚了非常抱歉。在大约10个小时内煮熟2 ^ 48粒种子后,我发现了与Earthcomputer完全相同的答案。
我的赌注是12.00727336061225。
其背后的原因大致沿着answer by KaptainWutax的路线:考虑到乘数的log(s)/s
部分,目标必须是使s
尽可能小。这带来了额外的约束,即v1
将成为结果的一部分。所以基本上
v1
必须很小,所以s
很小v1
必须很大,所以最终结果很大但是,由于s
的划分将随着s
接近零而呈指数增长,这将超过因子v1
的贡献。
所以总结一下这个思路:
实施Random#nextGaussian
的关键部分是:
double nextGaussian() {
double v1, v2, s;
do {
v1 = 2 * nextDouble() - 1; // between -1 and 1
v2 = 2 * nextDouble() - 1; // between -1 and 1
s = v1 * v1 + v2 * v2;
} while (s >= 1 || s == 0);
double multiplier = StrictMath.sqrt(-2 * StrictMath.log(s)/s);
return v1 * multiplier;
}
Random#nextDouble
方法实现如下:
double nextDouble() {
return (((long)next(26) << 27) + next(27)) / (double)(1L << 53);
}
其中next(n)
返回一个整数,其中最低的n
位是随机设置的。
为了最大化nextGaussian
的价值,人们可以争辩说:
s
的值必须尽可能接近0.0
(但不是0.0
)v2
的“最佳”值将是0.0
,而v1
的“最佳”值将是2 * nextDouble() - 1
可能导致的最小值。v2==0.0
,我们假设nextDouble
调用中的随机位是0b10000000000000000000000000000000000000000000000000000L
- 在这种情况下,nextDouble
将返回0.5
,而v2
将是0.0
v1
最小有效值的位将是0b10000000000000000000000000000000000000000000000000001L
- 最后只有一个恼人的位,导致nextDouble
返回0.5000000000000001
,为2.220446049250313E-16
产生值v1
s
将是4.930380657631324E-32
,乘数将是5.4075951832589016E16
,最终结果将是
12.00727336061225下面是一个示例,您可以在其中使用Random#next
调用返回的位组合,这些调用是此处整个计算的基础。也许有人发现产生更高价值的组合......?
public class LargestNextGaussian
{
public static void main(String[] args)
{
// Random#nextDouble is implemented as
// (((long)next(26) << 27) + next(27)) / (double)(1L << 53)
// The "baseValue" here refers to the value that
// is obtained by combining the results of the
// two calls to "next"
long baseValueForV1 =
0b10000000000000000000000000000000000000000000000000001L;
double valueForV1 =
baseValueForV1 / (double)(1L << 53);
long baseValueForV2 =
0b10000000000000000000000000000000000000000000000000000L;
double valueForV2 =
baseValueForV2 / (double)(1L << 53);
// As of Random#nextGaussian:
double v1, v2, s;
do {
v1 = 2 * valueForV1 - 1;
v2 = 2 * valueForV2 - 1;
s = v1 * v1 + v2 * v2;
} while (s >= 1 || s == 0);
double multiplier = StrictMath.sqrt(-2 * StrictMath.log(s)/s);
double result = v1 * multiplier;
System.out.println("baseValueForV1 " + Long.toBinaryString(baseValueForV1));
System.out.println("baseValueForV2 " + Long.toBinaryString(baseValueForV2));
System.out.println("valueForV1 " + valueForV1);
System.out.println("valueForV2 " + valueForV2);
System.out.println("v1 " + v1);
System.out.println("v2 " + v2);
System.out.println("s " + s);
System.out.println("multiplier " + multiplier);
System.out.println("result " + result);
System.out.println();
}
}
输出如上所述:
baseValueForV1 10000000000000000000000000000000000000000000000000001
baseValueForV2 10000000000000000000000000000000000000000000000000000
valueForV1 0.5000000000000001
valueForV2 0.5
v1 2.220446049250313E-16
v2 0.0
s 4.930380657631324E-32
multiplier 5.4075951832589016E16
result 12.00727336061225
你走了:
long seed=97128757896197L;
Random r= new Random(seed );
System.out.println(r.nextGaussian());
System.out.println(r.nextGaussian());
7.995084298635286 0.8744239748619776