Matlab中rand('state',sum(clock))解析

一.问题来源

来自于一份PSO代码，PSO中需要初始化粒子位置和速度。

二.问题探究

众所周知，Matlab中的rand()函数产生的是伪随机数，但一般用来也可以接受。但是，如果我们知道伪随机数的初始状态，那么产生的伪随机数是唯一确定的。问题来了，Matlab每次启动会重置rand()和randn()的初始状态(重置为0)，也就是说，你产生的随机数会出现两次随机数一模一样的情况，如：

 1 >> rand('state',0)
 2 >> rand(3,1)
 3
 4 ans =
 5
 6
0.9501
 7
0.2311
 8
0.6068
 9
10 >> rand(3,1)
11
12 ans =
13
14
0.4860
15
0.8913
16
0.7621
17
18 >> rand('state',0)
19 >> rand(3,1)
20
21 ans =
22
23
0.9501
24
0.2311
25
0.6068

缺点是虽然程序使用了随机数，但由于(每次启动后)初始状态一样，实际运行出来却是相同的重复过程，你需要人工设定一个保证随机性的初始状态。

三.问题分析

计算机系统中的随机数都是伪随机数， 是通过一个算法连续产生的， 知道上一个随机数，下一个随机数就确定， 已知从给定的某个数开始，后面连续的随机数序列都已经确定， 我们使用随机数就好像从这个序列中（也叫随机数流）中取数字使用， 为了增加随机数的随机程度，和可控性， 用rand('state',X)来设置随机数流的状态， 就像C语言中随机数的seed， 一旦给一个X值，那么后面的随机数流就确定， 为了增加随机性，这里用当前时间数码sum(clock)作为随机数的状态， clock返回一个6个元素的向量分辨是年月日时分秒， sum加起来就作为随机数的状态， 因为你每次运行程序的时间不同，所以得到的随机数序列就不同 单独使用这句时，改变了随机数流的状态，但是还没有使用，所以不产生任何变量。 但这个算法有一个问题是，如果计算机太快的话，仍然会生成相同随机数。可考虑用 rand('state',sum(clock)*rand(1))。

四.问题解决

4.1 如何设置初始状态

rand('seed', S)
rand('state', S)
rand('twister', S)

seed表示采用v4版本的随机数产生器，state是v5版本的随机数产生器，最后的twister用的则是Mersenne Twister随机数产生器。

那么具体该用哪一个呢？在新版本的语法说明中，Matlab给出了答案：前两个随机数产生器都是“flawed”，推荐大家使用twister随机数产生器。

此外，MathWorks公司意识到了这几个参数可能会产生误导，于是在新版本（2012及以后）的Matlab中更新了语法。

rng(1);
A = rand(2,2);
rng('shuffle')
A = rand(2,2);

新版的Matlab默认采用Mersenne Twister随机数产生器，rng(S) 函数表示设定初始状态，rng('shuffle') 表示随机分配一个初始状态。

所以现在只需要记住rng()函数设置初始状态，然后用rand产生随机数就可以了。

然而，有时我们只需要“真正”的伪随机数(不重复！)，如何得到？

4.2 产生非重复随机数

用2012版本之后的用户比较方便，在产生随机数之前使用rng('shuffle')洗一下就可以(shuffle是洗牌的意思)。

对于旧版本的用户，还不支持rng函数。以前一般是rand('state',sum(100*clock))来根据当前时间设定初始状态，但时间始终是递增的，而且变化幅度相对来说很小，效果不是很好。

有很多人用别的方式设定初始状态（如rand('twister', fix(mod(1e11*(sum(clock)-2009), 2^31)));），为简便起见，个人推荐采用新版Matlab中rng函数语法，即rand('twister',mod(floor(now*8640000),2^31-1)) ，这样可以产生的不同的随机数。采用这种办法大约每497天种子才会重复一次，一般使用的话足够了。

参考文献：百度知道

http://cn.mathworks.com/help/matlab/math/generate-random-numbers-that-are-different.html