piecewise_linear_distribution 類別

發行項
07/05/2024

產生分段線性分佈，其中有不同寬度間隔，且每個間隔中有線性變化可能性。

語法

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

   // constructor and reset functions
   piecewise_linear_distribution();
   template <class InputIteratorI, class InputIteratorW>
   piecewise_linear_distribution(
      InputIteratorI firstI, InputIteratorI lastI, InputIteratorW firstW);
   template <class UnaryOperation>
   piecewise_linear_distribution(
      initializer_list<result_type> intervals, UnaryOperation weightfunc);
   template <class UnaryOperation>
   piecewise_linear_distribution(
      size_t count, result_type xmin, result_type xmax, UnaryOperation weightfunc);
   explicit piecewise_linear_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
   vector<result_type> intervals() const;
   vector<result_type> densities() const;
   param_type param() const;
   void param(const param_type& parm);
   result_type min() const;
   result_type max() const;
   };

參數

RealType
浮點結果類型，預設值為 double。如需可能的類型，請參閱 <隨機>。

備註

此取樣分佈有不同寬度間隔，且每個間隔中有線性變動可能性。如需其他取樣分佈的詳細資訊，請參閱 piecewise_linear_distribution 和 discrete_distribution。

下表提供各個成員的文章連結：

piecewise_linear_distribution
param_type

屬性函式 intervals() 會傳回 vector<result_type>，其中具有儲存的分佈間隔的設定。

屬性函式 densities() 會傳回 vector<result_type>，其中具有針對每個間隔設定所儲存的密度，這是根據建構函式參數中提供的加權所計算而得。

屬性成員 param() 會設定或傳回 param_type 預存分佈參數套件。

min() 和 max() 成員函式會分別傳回最小可能結果和最大可能結果。

reset() 成員函式會捨棄任何快取的值，讓下個針對 operator() 呼叫的結果不是取決於呼叫之前取自引擎的任何值。

operator() 成員函式會根據 URNG 引擎傳回下一個產生的值，無論是從目前的參數封裝或是指定的參數封裝。

如需散發類別及其成員的詳細資訊，請參閱 <隨機>。

範例

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

using namespace std;

void test(const int s) {

    // uncomment to use a non-deterministic generator
    // random_device rd;
    // mt19937 gen(rd());
    mt19937 gen(1701);

    // Three intervals, non-uniform: 0 to 1, 1 to 6, and 6 to 15
    vector<double> intervals{ 0, 1, 6, 15 };
    // weights determine the densities used by the distribution
    vector<double> weights{ 1, 5, 5, 10 };

    piecewise_linear_distribution<double> distr(intervals.begin(), intervals.end(), weights.begin());

    cout << endl;
    cout << "min() == " << distr.min() << endl;
    cout << "max() == " << distr.max() << endl;
    cout << "intervals (index: interval):" << endl;
    vector<double> i = distr.intervals();
    int counter = 0;
    for (const auto& n : i) {
        cout << fixed << setw(11) << counter << ": " << setw(14) << setprecision(10) << n << endl;
        ++counter;
    }
    cout << endl;
    cout << "densities (index: density):" << endl;
    vector<double> d = distr.densities();
    counter = 0;
    for (const auto& n : d) {
        cout << fixed << setw(11) << counter << ": " << setw(14) << setprecision(10) << n << endl;
        ++counter;
    }
    cout << endl;

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

    // print results
    cout << "Distribution for " << s << " samples:" << endl;
    for (const auto& elem : histogram) {
        cout << setw(5) << elem.first << '-' << elem.first + 1 << ' ' << string(elem.second, ':') << endl;
    }
    cout << endl;
}

int main()
{
    int samples = 100;

    cout << "Use CTRL-Z to bypass data entry and run using default values." << endl;
    cout << "Enter an integer value for the sample count: ";
    cin >> samples;

    test(samples);
}

Use CTRL-Z to bypass data entry and run using default values.
Enter an integer value for the sample count: 100
min() == 0
max() == 15
intervals (index: interval):
          0:   0.0000000000
          1:   1.0000000000
          2:   6.0000000000
          3:  15.0000000000
densities (index: density):
          0:   0.0645161290
          1:   0.3225806452
          2:   0.3225806452
          3:   0.6451612903
Distribution for 100 samples:
    0-1 :::::::::::::::::::::
    1-2 ::::::
    2-3 :::
    3-4 :::::::
    4-5 ::::::
    5-6 ::::::
    6-7 :::::
    7-8 ::::::::::
    8-9 ::::::::::
    9-10 ::::::
   10-11 ::::
   11-12 :::
   12-13 :::
   13-14 :::::
   14-15 :::::

需求

標頭：<random>

命名空間：std

piecewise_linear_distribution::piecewise_linear_distribution

建構分佈。

// default constructor
piecewise_linear_distribution();

// constructs using a range of intervals, [firstI, lastI), with
// matching weights starting at firstW
template <class InputIteratorI, class InputIteratorW>
piecewise_linear_distribution(InputIteratorI firstI, InputIteratorI lastI, InputIteratorW firstW);

// constructs using an initializer list for range of intervals,
// with weights generated by function weightfunc
template <class UnaryOperation>
piecewise_linear_distribution(initializer_list<RealType>
intervals, UnaryOperation weightfunc);

// constructs using an initializer list for range of count intervals,
// distributed uniformly over [xmin,xmax] with weights generated by function weightfunc
template <class UnaryOperation>
piecewise_linear_distribution(size_t count, RealType xmin, RealType xmax, UnaryOperation weightfunc);

// constructs from an existing param_type structure
explicit piecewise_linear_distribution(const param_type& parm);

參數

firstI
分佈範圍中第一個元素的輸入迭代器。

lastI
分佈範圍中最後一個元素的輸入迭代器。

firstW
加權範圍中第一個元素的輸入迭代器。

intervals
具有分佈間隔的 initializer_list。

計數
分佈範圍中的元素數目。

xmin
分佈範圍中的最低值。

xmax
分佈範圍中的最高值。必須大於 xmin。

weightfunc
表示分佈的可能性函式的物件。參數和傳回值都必須可以轉換為 double。

parm
用於建構分佈的參數結構。

備註

預設建構函式會設定儲存的參數，因此會有可能性密度為 1 的一個間隔 (0 到 1)。

迭代器範圍建構函式

template <class InputIteratorI, class InputIteratorW>
piecewise_linear_distribution(
    InputIteratorI firstI,
    InputIteratorI lastI,
    InputIteratorW firstW);

從反覆運算器透過序列 [ firstI、 lastI）建構具有 itnervals 的散發物件，以及從第一個W 開始的相符權數序列。

初始設定式清單建構函式

template <class UnaryOperation>
piecewise_linear_distribution(
    initializer_list<result_type> intervals,
    UnaryOperation weightfunc);

使用初始化表達式清單 間隔的間隔 和函 式 weightfunc 所產生的權數，建構散發物件。

建構函式定義為

template <class UnaryOperation>
piecewise_linear_distribution(
    size_t count,
    result_type xmin,
    result_type xmax,
    UnaryOperation weightfunc);

建構一個分佈物件，其計數間隔會統一地分散於 [ xmin,xmax]，根據函式 weightfunc 指派每個間隔權數，而 weightfunc 必須接受一個參數並具有傳回值，兩者皆可轉換成 double 。 前置條件：xmin < xmax。

建構函式定義為

explicit piecewise_linear_distribution(const param_type& parm);

使用 parm 作為預存參數結構來建構散發物件。

piecewise_linear_distribution::param_type

儲存分佈的所有參數。

struct param_type {
   typedef piecewise_linear_distribution<result_type> distribution_type;
   param_type();
   template <class IterI, class IterW>
   param_type(
      IterI firstI, IterI lastI, IterW firstW);
   template <class UnaryOperation>
   param_type(
      size_t count, result_type xmin, result_type xmax, UnaryOperation weightfunc);
   std::vector<result_type> densities() const;
   std::vector<result_type> intervals() const;

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

參數

請參閱 piecewise_linear_distribution 的建構函式參數。

備註

前置條件：xmin < xmax

此結構可在具現化時傳遞至分佈的類別建構函式，傳遞至 param() 成員函式可設定現有分佈之儲存的參數，傳遞至 operator() 可用於取代儲存的參數。

另請參閱

共用方式為

piecewise_linear_distribution 類別

語法

參數

備註

範例

需求

piecewise_linear_distribution::piecewise_linear_distribution

參數

備註

piecewise_linear_distribution::param_type

參數

備註

另請參閱

意見反應

其他資源