如何在类中重用和重新初始化C ++ Distributed_distribution？

Question

我正在c ++类中编写离散分布随机数生成器。 要求是：

1. 我不想每次使用它时都创建一个离散对象。 我知道分发对象很轻，但是我的权重数组太长了，成本仍然太高。 另外，我需要在此类的不同函数中使用分发对象。
2. 我需要不时更改分布（权重数组）
3. 构建类时我不知道确切的分布（权重数组）

当前我有两种解决方案，用random_device rd; mt19937 engine;初始化随机数引擎之后random_device rd; mt19937 engine; random_device rd; mt19937 engine; 在类中，并且在初始化列表中包含engine(rd()) 。

一种方法是使用discrete_distribution<> *d=new discrete_distribution<>(weight_array,weight_array+weight_array_size)创建离散量分布对象并将指针存储在类中。 每次我调用（* d）（engine）生成一个随机数时，我只需要删除分布并制作一个新值来更新权重数组。

另一种方法是在类中定义discrete_distribution<> d d=discrete_distribution<>(weight_array,weight_array+weight_array_size) discrete_distribution<> d ，并使用d=discrete_distribution<>(weight_array,weight_array+weight_array_size)更新权重数组，这样我们就可以使用d(engine)生成随机数，而不必担心指针。

但是似乎这两种方式都不是使用c ++对象的经典方式。 他们错了吗？ 用这种方式编写代码有什么缺点吗？

谢谢

Answer 1

另一种方法是在类中定义discrete_distribution<> d d=discrete_distribution<>(weight_array,weight_array+weight_array_size) discrete_distribution<> d ，并使用d=discrete_distribution<>(weight_array,weight_array+weight_array_size)更新权重数组，这样我们就可以使用d(engine)生成随机数，而不必担心指针。

这是一种很好的通用C ++样式来处理对象实例。

实际上，许多类型没有修饰符成员，因为它们是可分配的。

在这种情况下，您可以使用params()成员更改权重：

生活在Coliru

#include <boost/random.hpp>
#include <boost/random/random_device.hpp>
#include <boost/range/algorithm/copy.hpp>
#include <iostream>

namespace br = boost::random;

struct X {
    using Weight = double;
    br::mt19937                            engine { br::random_device{}() };
    br::discrete_distribution<int, Weight> dist   { {0.2, 0.2, 0.2, 0.2, 0.2} };

    void sample() {
        for (auto i : {1,2,3,4})
            std::cout << "#" << i << ":" << dist(engine) << " ";
        std::cout << "\n";
    }

    void show_probabilities() {
        boost::copy(dist.param().probabilities(), std::ostream_iterator<Weight>(std::cout << "probabilities: ", " "));
        std::cout << "\n";
    }

    void reprogram(std::initializer_list<Weight> probabilities) {
        dist.param(probabilities);
    }
};

int main() {
    X x;
    x.show_probabilities();
    x.sample();

    x.reprogram({0.01, 0.99});

    x.show_probabilities();
    x.sample();
}

打印类似

probabilities: 0.2 0.2 0.2 0.2 0.2 
#1:1 #2:2 #3:0 #4:4 
probabilities: 0.01 0.99 
#1:1 #2:1 #3:1 #4:1