La mejor manera de sembrar N generadores de números aleatorios independientes de 1 valor

En mi programa, necesito ejecutar N subprocesos separados, cada uno con su propio RNG, que se utiliza para muestrear un gran conjunto de datos. Necesito poder sembrar todo este proceso con un solo valor para poder reproducir los resultados.

¿Es suficiente simplemente aumentar secuencialmente la semilla para cada índice?

Actualmente uso numpy's RandomStateque usa un generador de números pseudoaleatorio Mersenne Twister.

Fragmento de código a continuación:

# If a random number generator seed exists
if self.random_generator_seed:
    # Create a new random number generator for this instance based on its
    # own index
    self.random_generator_seed += instance_index
    self.random_number_generator = RandomState(self.random_generator_seed)

Básicamente, comienzo con una semilla introducida por el usuario (si existe) y para cada instancia / hilo agrego secuencialmente el índice (0 a N-1) de la instancia en ejecución. No sé si esta es una buena práctica o si hay una mejor manera de hacerlo.

No es una buena práctica, ciertamente. Por ejemplo, considere lo que sucede cuando realiza dos ejecuciones con semillas raíz de 12345 y 12346. Cada ejecución tendrá N-1secuencias en común.

Las implementaciones de Mersenne Twister (incluyendo numpy.randomy random) generalmente usan un PRNG diferente para expandir la semilla entera en el vector de estado grande (624 enteros de 32 bits) que utiliza MT; Esta es la matriz de RandomState.get_state(). Una buena manera de hacer lo que quiere es ejecutar ese PRNG, sembrado con su entero de entrada una vez, y obtener N*624enteros de 32 bits. Divida esa secuencia en Nvectores de estado y úsela RandomState.set_state()para inicializar explícitamente cada RandomStateinstancia. Puede que tenga que consultar las fuentes C de la biblioteca estándar numpy.randomo _randomdesde ella para obtener ese PRNG (son las mismas). No estoy seguro de si alguien ha implementado una versión independiente de ese PRNG para Python.

Una solución que se usa en el procesamiento paralelo es usar su generador aleatorio , donde es su semilla, por lotes:$\Phi(u)$$u$$N$

1. generar$\Phi(u),\Phi^N(u),\Phi^{2*N}(u),...$
2. generar$\Phi^2(u),\Phi^{1+N}(u),\Phi^{1+2*N}(u),...$
3. ...
4. generar$\Phi^{N-1}(u),\Phi^{N-1+N}(u),\Phi^{N-1+2*N}(u),...$

donde . De esta manera, usa una sola semilla y sus secuencias son todas uniformes e independientes.$\Phi^n(u)=\Phi(\Phi^{n-1}(u))$

Ahora hay un paquete de Python llamado RandomGen que tiene métodos para lograr esto.

Es compatible con corrientes independientes creadas a partir de una sola semilla, así como un protocolo de salto de más edad generadores de números aleatorios, como MT19937.

Algunas personas afirman que hay correlaciones en los números aleatorios generados por semillas secuenciales. /programming/10900852/near-seeds-in-random-number-generation-may-give-similar-random-numbers No estoy seguro de cuán cierto es eso.

Si le preocupa, ¿por qué no usar un único generador de números aleatorios para elegir las semillas de todos los otros generadores?