uniform_real_distribution — Klasa

Generuje jednolity (każda wartość jest równie prawdopodobna) rozkład zmiennoprzecinkowa w zakresie wyjściowym, który jest wykluczający.

Składnia

template<class RealType = double>
   class uniform_real_distribution {
public:
   // types
   typedef RealType result_type;
   struct param_type;

   // constructors and reset functions
   explicit uniform_real_distribution(
      result_type a = 0.0, result_type b = 1.0);
   explicit uniform_real_distribution(const param_type& parm);
   void reset();

   // generating functions
   template <class URNG>
      result_type operator()(URNG& gen);
   template <class URNG>
      result_type operator()(URNG& gen, const param_type& parm);

   // property functions
   result_type a() const;
   result_type b() const;
   param_type param() const;
   void param(const param_type& parm);
   result_type min() const;
   result_type max() const;
};

Parametry

Typ rzeczywisty
Typ wyniku zmiennoprzecinkowego domyślnie to double. Aby uzyskać informacje o możliwych typach, zobacz losowe>.<

Uwagi

Szablon klasy opisuje rozkład wykluczający, który generuje wartości typu zmiennoprzecinkowego określonego przez użytkownika z rozkładem, tak aby każda wartość jest równie prawdopodobna. Poniższa tabela zawiera linki do artykułów dotyczących poszczególnych członków.

uniform_real_distribution
param_type|

Element członkowski a() właściwości zwraca obecnie przechowywaną minimalną granicę dystrybucji, a jednocześnie b() zwraca obecnie przechowywaną maksymalną granicę. W przypadku tej klasy dystrybucji te minimalne i maksymalne wartości są takie same jak te zwracane przez wspólne funkcje właściwości i opisane w< temacie losowym>.max()min()

Składowa param() właściwości ustawia lub zwraca przechowywany pakiet parametrów param_type dystrybucji.

Funkcje min() składowe i max() zwracają najmniejszy możliwy wynik i największy możliwy wynik, odpowiednio.

reset() Funkcja składowa odrzuca wszystkie buforowane wartości, dzięki czemu wynik następnego wywołania operator() nie zależy od żadnych wartości uzyskanych z aparatu przed wywołaniem.

operator() Funkcje składowe zwracają następną wygenerowaną wartość na podstawie aparatu URNG z bieżącego pakietu parametrów lub określonego pakietu parametrów.

Aby uzyskać więcej informacji na temat klas dystrybucji i ich składowych, zobacz losowe>.<

Przykład

// compile with: /EHsc /W4
#include <random>
#include <iostream>
#include <iomanip>
#include <string>
#include <map>

void test(const double a, const double b, const int s) {

    // uncomment to use a non-deterministic seed
    //    std::random_device rd;
    //    std::mt19937 gen(rd());
    std::mt19937 gen(1729);

    std::uniform_real_distribution<> distr(a,b);

    std::cout << "lower bound == " << distr.a() << std::endl;
    std::cout << "upper bound == " << distr.b() << std::endl;

    // generate the distribution as a histogram
    std::map<double, int> histogram;
    for (int i = 0; i < s; ++i) {
        ++histogram[distr(gen)];
    }

    // print results
    std::cout << "Distribution for " << s << " samples:" << std::endl;
    int counter = 0;
    for (const auto& elem : histogram) {
        std::cout << std::fixed << std::setw(11) << ++counter << ": "
            << std::setprecision(10) << elem.first << std::endl;
    }
    std::cout << std::endl;
}

int main()
{
    double a_dist = 1.0;
    double b_dist = 1.5;

    int samples = 10;

    std::cout << "Use CTRL-Z to bypass data entry and run using default values." << std::endl;
    std::cout << "Enter a floating point value for the lower bound of the distribution: ";
    std::cin >> a_dist;
    std::cout << "Enter a floating point value for the upper bound of the distribution: ";
    std::cin >> b_dist;
    std::cout << "Enter an integer value for the sample count: ";
    std::cin >> samples;

    test(a_dist, b_dist, samples);
}

Use CTRL-Z to bypass data entry and run using default values.
Enter a floating point value for the lower bound of the distribution: 0
Enter a floating point value for the upper bound of the distribution: 1
Enter an integer value for the sample count: 10
lower bound == 0
upper bound == 1
Distribution for 10 samples:
          1: 0.0288609485
          2: 0.2007994386
          3: 0.3027480117
          4: 0.4124758695
          5: 0.4413777133
          6: 0.4846447405
          7: 0.6225745916
          8: 0.6880935217
          9: 0.7541936723
         10: 0.8795716566

Wymagania

Nagłówek:<losowy>

Przestrzeń nazw: std

uniform_real_distribution::uniform_real_distribution

Tworzy rozkład.

explicit uniform_real_distribution(result_type a = 0.0, result_type b = 1.0);
explicit uniform_real_distribution(const param_type& parm);

Parametry

A
Dolna granica dla wartości losowych, włącznie.

B
Górna granica dla wartości losowych, wyłączna.

Parm
Struktura param_type używana do konstruowania rozkładu.

Uwagi

Warunek wstępny:a < b

Pierwszy konstruktor tworzy obiekt, którego przechowywana wartość zawiera wartość a, której przechowywana wartość b zawiera wartość b.

Drugi konstruktor tworzy obiekt, którego przechowywane parametry są inicjowane z parm. Bieżące parametry istniejącej dystrybucji można uzyskać i ustawić, wywołując funkcję składową param() .

uniform_real_distribution::p aram_type

Przechowuje wszystkie parametry dystrybucji.

struct param_type {
   typedef uniform_real_distribution<result_type> distribution_type;
   param_type(result_type a = 0.0, result_type b = 1.0);
   result_type a() const;
   result_type b() const;

   bool operator==(const param_type& right) const;
   bool operator!=(const param_type& right) const;
   };

Parametry

A
Dolna granica dla wartości losowych, włącznie.

B
Górna granica dla wartości losowych, wyłączna.

Prawo
Obiekt param_type , który ma być porównywany z tym obiektem.

Uwagi

Warunek wstępny:a < b

Tę strukturę można przekazać do konstruktora klasy rozkładu podczas tworzenia wystąpienia, do param() funkcji składowej w celu ustawienia przechowywanych parametrów istniejącej dystrybucji i operator() do użycia zamiast przechowywanych parametrów.

Zobacz też

<Losowe>