Matlab：如何生成伪随机数

Question

如何从PRNG生成时间序列用于实验的T独立运行？每个T的种子会不同吗？ rand（）或randn（）会生成随机数，但是如果初始条件相同或者种子是固定的，则它将变为确定性或伪随机性。

有人可以展示如何生成PRNG？请问randn(seed)哪里有seed = randn()生成PRNG？

Answer 1

通常使用几种方法来生成T独立运行的伪随机变量。首先要注意的是，对于给定的种子值，由rand（或randn等）产生的每个变量彼此独立，即它们是independent and identically distributed (i.i.d.)。这意味着，在许多情况下，你可以一次通过rng设置你的随机数生成的种子，然后代码将在每次运行时产生重复的伪随机值：

生成牛逼独立的N均匀分布值游 - 每次运行这段时间，相同的随机值将被以同样的顺序，只要产生您拨打rng与年初相同的说法：

rng(1); % Set seed to 1, calls to rand, randn are now based on this seed 
N = 100; 
T = 10; 
for i = 1:T 
    r = rand(N,1); 
    % Do something with r 
end 

2. 分配所有随机01-0069-04一次吃得快。下面r列将等同于每个r在上述for循环：

rng(1); 
N = 100; 
T = 10; 
r = rand(N,T); 
for i = 1:T 
    % Do something with r(:,i) 
end 

有时你希望能够再现任意运行，而无需进行模拟它们的所有T。您可以通过增加每次运行的种子值rng来达到此目的。 r中的值将与上述两种情况中的值不同。此外，要知道，重置种子是昂贵的操作这样这个有点会减慢你的代码（事实上，你应该避免重设种子尽可能）：

N = 100; 
T = 10; 
for i = 1:T 
    rng(i); 
    r = rand(N,1); 
    % Do something with r 
end 

4. 有时我们可能希望模拟多个CPU上的T运行，并在每个CPU上并行生成随机变量。有关详细信息，请参阅my answer here，您可能会这样做。在一个CPU上生成所有变量然后在每个并行进程中共享结果数组的适当部分可能会更简单也更稳健。 Distributed arrays可以促进这一点。

在Matlab中的documentation for random number generation是广泛的，并有许多先进的功能。我建议阅读更多内容并尝试一些示例。 This video也可能有帮助。