如何在Java中生成与Numpy中相同的伪随机数（对于相同的种子）？

Question

当使用相同的种子（例如12345）时，是否有任何选项可以像Numpy random一样在Java中生成相同的随机数。

在Numpy中，我得到的代码低于输出：0.9296160928171479

from numpy.random import RandomState
rs = RandomState(12345)
rs.random()

在Java中，我从下面的代码中获得输出：0.3618031071604718

import java.util.Random;
Random random = new Random(12345);
System.out.println(random.nextDouble());

我在Java中比较了SciKit学习和我自己的库中的一些方法的输出。为了生成相同的输出，我需要像Numpy一样生成相同的随机值（SciKit学习使用Numpy随机值）。

Answer 1

传统的NumPy随机生成器使用Mersenne Twister（MT）算法生成随机位，并将其转换或解释为所需的类型，而Java使用一种更简单的算法，称为LCG。要使用Java获得相同的原始位集，需要使用Apache的Mersenne Twister for Java。MT生成无符号32位整数，然后可以将其转换为其他范围或分布。如果需要具有64位精度的数字，则实现会隐式调用随机数生成器两次并合并结果。

然而，NumPy和Java中的数字表示似乎不同，因此仅获得相同的随机位是不够的。

让我们在Java和python中都使用MT，并比较结果。首先，看看Java示例代码：

import org.apache.commons.math3.random.RandomGenerator;
import org.apache.commons.math3.random.MersenneTwister;

class QuickStart {
    public static void main(String[] args) {
        RandomGenerator prng = new MersenneTwister(0);
        for (int i = 0; i < 3; ++i) {
            long num = prng.nextLong();
            System.out.println(Long.toString(num) + "\t" + Long.toBinaryString(num));
        }
        System.out.println();
        for (int i = 0; i < 3; ++i) {
            int num = prng.nextInt();
            System.out.println(Integer.toString(num) + "\t" + Integer.toBinaryString(num));
        }
        System.out.println();
        for (int i = 0; i < 3; ++i) {
            double num = prng.nextDouble();
            System.out.println(Double.toString(num) + "\t" + Long.toBinaryString(Double.doubleToRawLongBits(num)));
        }
    }
}

这将产生输出

-8322921849960486353    1000110001111111000010101010110010010111110001001010101000101111
-5253828890213626688    1011011100010110101001100111010111011000001000011100110011000000
-7327722439656189189    1001101001001110101100110100001111011011101000100101001011111011

-1954711869     10001011011111010111011011000011
-656048793      11011000111001010111110101100111
1819583497      1101100011101001010010000001001

0.6235637015982585      11111111100011111101000011101111011101001010101100101010001000
0.38438170310239794     11111111011000100110011011010110110111000000000101101101110000
0.2975346131886989      11111111010011000010101100111010011110010001001011001111000100

而python的例子是：

import numpy
import bitstring


numpy.random.seed(0)
for i in range(3):
    state = numpy.random.get_state()
    num = numpy.random.randint(0, 2**64, dtype=numpy.uint64)
    print(num, bin(num), sep="\t")
print()

for i in range(3):
    state = numpy.random.get_state()
    num = numpy.random.randint(0, 2**32, dtype=numpy.uint32)
    print(num, bin(num), sep="\t")
print()

for i in range(3):
    state = numpy.random.get_state()
    num = numpy.random.random()
    f1 = bitstring.BitArray(float=num, length=64)
    print(num, f1.bin, sep="\t")

它产生输出：

10123822223749065263    0b1000110001111111000010101010110010010111110001001010101000101111
13192915183495924928    0b1011011100010110101001100111010111011000001000011100110011000000
11119021634053362427    0b1001101001001110101100110100001111011011101000100101001011111011

2340255427      0b10001011011111010111011011000011
3638918503      0b11011000111001010111110101100111
1819583497      0b1101100011101001010010000001001

0.6235636967859723      0011111111100011111101000011101111011010100101010110010101000100
0.3843817072926998      0011111111011000100110011011010110111011100000000010110110111000
0.2975346065444723      0011111111010011000010101100111010010111001000100101100111100010

你可以看到原始数字是一样的。二进制值的打印格式略有不同：如果使用内置的bin（），python将使用0b，而bitstring将一些二进制值放在前面，即前导零。由于整数的有符号/无符号类型不同，表示的值完全不同，但对于双精度，表示的差异很小。通过看到这种模式，可以用Java或python编写二进制数的解释器，以模仿其他语言的行为。

如果使用Mersenne Twister的另一个实现，请注意初始状态是如何初始化的。我不知道NumPy的传统随机初始化是否有文档记录，但它似乎使用了维基百科编写的相同内容（如果提供了32位整数），这是Matsumoto等人2007年提出的方法的特例（查看等式30）。在其他语言中还可以使用其他初始化方法，即使在给定的语言中，不同的组也可能会提出不同的实现（MS VC和GCC或boost的C std Mersene Twister实现是不同的）。甚至NumPy的新接口也使用了一种涉及哈希函数的不同技术。