不同计算机之间的 C++ <random> 行为不一致

Question

我已经实现了一个 C++ 解决方案，用于测试针对一系列随机事件的各种策略。我正在汇总在几台计算机上运行的多线程模拟的结果。

单个模拟会产生一个整数结果，通常需要生成大约 100 个均匀随机整数，并且在保存一大块聚合数据（平均值、标准差、最小值、最大值）之前重复 1,000,000 次。尽管这些块的结果在给定架构上最多 6 位有效数字是一致的，但运行完全相同的程序的两台计算机之间的差异要大几个数量级。

到目前为止，我在两台配备 Intel 处理器和一个 AWS c3.8xlarge Windows Server 实例的个人 Windows 笔记本上运行了该程序（相同的可执行文件）。在每台计算机上，正在进行的模拟迅速接近不同的值。均值之间的相对差异约为 10^-3。在单台计算机上，100 万个块之间均值的相对差异很少超过 10^-6。

程序使用来自<random> 的mt19937 随机数生成器。我使用time(NULL) 播种。

我想不出这种不一致的原因。 Mersenne Twister 被认为是 Monte Carlo 模拟的声音发生器，我多次使用它，通常能够分析验证结果。由于生成器的缺陷和底层架构，我可以理解细微的差异和对​​一致性的偏离，但是对于这样的数量级，很难理解。

Answer 1

看来您已经能够解决您的问题。尽管如此，让我指出您的代码中的一两个（可能的）问题。如果没有真正看到任何源代码，很难为您做更多的事情。

• 不要不要使用time(NULL)作为你的种子。这是一个非常低的熵源——这是相当糟糕的。首先，在不同机器上运行的程序的两个实例很可能会选择相同的种子，其次，两次连续运行只会有稍微不同的种子，这可能会导致相似或至少相关的随机数。如果您为每个线程创建一个 prng（建议这样做！），那么第二点尤其糟糕，因为那样所有线程可能只是创建相同的数字。至少使用 seed_seq，但更好的是，甚至是真正随机的来源 (random_device)。
• 虽然标准保证，生成器mt19937 将在其 32 位变体和（显着）更快的 64 变体以及不同的硬件和软件版本中给出相同的结果，但发行版确实不会 给你同样的保证。如果你想重现相同的结果，你应该编写自己的发行版（恕我直言，这是标准的一个非常糟糕的设计缺陷，因为编写一个好的发行版是非常重要的......尽管在你的情况下这不应该是必要的，只要您只需要随机分布的数字，而无需重新创建特定的数字序列）。

虽然（正如我已经说过的）分布差异不太可能导致您的问题，但这是两个符合标准的实现之间唯一的差异。鉴于此，我建议彻底检查您的其余代码，因为<random> 库似乎不太可能在此处实际出错。

Answer 2

在重构程序并消除不必要的操作后，结果在不同主机之间变得一致。似乎舍入误差在各种看似相似的 64 位架构之间存在显着差异，并且由于某些设计缺陷，它们的累积导致我的模拟结果出现严重分歧。我要感谢@DanielKO、@TonyD、@amdn 和@Yakk 提出的宝贵建议。

有趣的一点：从一开始，c3.8xlarge AWS 实例就始终提供相同（正确）的结果。相反，Core 2 遭受了最严重的打击。