在 R 中播种用户提供的随机数生成器

Question

我在 R 中播种用户定义的 RNG 时遇到了一些问题。似乎

set.seed(123, kind='user', normal.kind='user')

实际上并没有将123传递给用户定义的RNG初始化。

我回到 ?Random.user 上的文档并尝试了那里给出的示例代码，并稍作修改，打印传递给 user_unif_init 函数的种子（下面的完整代码）。

重现步骤：

将下面的代码粘贴到 urand.c
运行 R CMD SHLIB urand.c
打开R

运行以下命令：

> dyn.load('urand.so')
> set.seed(123, kind='user', normal.kind='user')
Received seed: 720453763
Received seed: 303482705 // any other numbers than 123

这是我在 urand.c 中使用的完整代码：

// ##  Marsaglia's congruential PRNG

#include <stdio.h>
#include <R_ext/Random.h>

static Int32 seed;
static double res;
static int nseed = 1;

double * user_unif_rand()
{
    seed = 69069 * seed + 1;
    res = seed * 2.32830643653869e-10;
    return &res;
}

void  user_unif_init(Int32 seed_in) {
    printf("Received seed: %u\n", seed_in);
    seed = seed_in;
}
int * user_unif_nseed() { return &nseed; }
int * user_unif_seedloc() { return (int *) &seed; }

/*  ratio-of-uniforms for normal  */
#include <math.h>
static double x;

double * user_norm_rand()
{
    double u, v, z;
    do {
        u = unif_rand();
        v = 0.857764 * (2. * unif_rand() - 1);
        x = v/u; z = 0.25 * x * x;
        if (z < 1. - u) break;
        if (z > 0.259/u + 0.35) continue;
    } while (z > -log(u));
    return &x;
}

如有任何帮助，我们将不胜感激！

Answer 1

转发给 RNG 的种子与提供的种子不同，但是，当使用 "normal" 工作流程时，它是可复制的。然后给出可重现的随机数：

dyn.load('urand.so')
RNGkind("user", "user")
#> Received seed: 1844983443
set.seed(123)
#> Received seed: 303482705
runif(10)
#>  [1] 0.42061954 0.77097033 0.14981063 0.27065365 0.77665767 0.96882090
#>  [7] 0.49077135 0.08621131 0.52903479 0.90398294
set.seed(123)
#> Received seed: 303482705
runif(10)
#>  [1] 0.42061954 0.77097033 0.14981063 0.27065365 0.77665767 0.96882090
#>  [7] 0.49077135 0.08621131 0.52903479 0.90398294

（请注意，我已将您的 urand.c 稍微更改为使用 R_ext/Print.h 中的 Rprintf。）

编辑：如果您需要控制种子（为什么？），您可以自己控制：将 user_unif_init、user_unif_nseed 和 user_unif_seedloc 替换为

void set_seed(int * seed_in) {
    Rprintf("Received seed: %u\n", *seed_in);
    seed = *seed_in;
}

并显式调用它：

dyn.load('urand.so')
RNGkind("user", "user")
set_seed <- function(seed) {
  invisible(.C("set_seed", seed_in = as.integer(seed)))
}
set_seed(123)
#> Received seed: 123
runif(10)
#>  [1] 0.00197801 0.61916849 0.34846373 0.04152509 0.09669026 0.29923760
#>  [7] 0.04184693 0.32557942 0.44473242 0.22339845
set_seed(123)
#> Received seed: 123
runif(10)
#>  [1] 0.00197801 0.61916849 0.34846373 0.04152509 0.09669026 0.29923760
#>  [7] 0.04184693 0.32557942 0.44473242 0.22339845

编辑 2：已在 https://svn.r-project.org/R/trunk/src/main/RNG.c:

查看源代码

static void RNG_Init(RNGtype kind, Int32 seed)
{
    int j;

    BM_norm_keep = 0.0; /* zap Box-Muller history */

    /* Initial scrambling */
    for(j = 0; j < 50; j++)
    seed = (69069 * seed + 1);
    [...]

造成差异的是这 50 发 LCG 子弹。我的猜测是 R 的作者假设典型的用户提供的种子很小，因此对于种子来说随机性不够。

Answer 2

R 似乎将 RNG.c 中用户提供的种子打乱如下：

for(j = 0; j < 50; j++)
    seed = (69069 * seed + 1)

(link to source)

尝试解读这将是找回原始种子的一种方式。

更新

可以通过69069的multiplicative inverse解扰如下：

Int32 unscramble(Int32 scrambled)
{
        int j;
        Int32 u = scrambled;
        for (j=0; j<50; j++) {
                u = ((u - 1) * 2783094533);
        }
        return u;
}

在我的 user_unif_init() 函数中插入这个解决了问题。

在 R 中播种用户提供的随机数生成器

Seeding a user supplied random number generator in R

random

r

r-extension