c++ - 多线程的随机数

问题
我打算为Linux编写一个C++ 11应用程序，该应用程序基于大约一百万个伪随机32位数字进行一些数值模拟(而不是加密)。为了加快速度，我想使用台式机CPU的所有内核在并行线程中执行仿真。我想将boost提供的Mersenne Twister mt19937 用作PRNG，并且我想出于性能原因，每个线程应该有一个这样的PRNG。现在，我不确定如何播种它们，以避免在多个线程中生成相同的随机数子序列。
备择方案
到目前为止，我已经想到了以下替代方案:

独立于/dev/urandom为每个线程播种PRNG。
我有点担心系统熵池耗尽的情况，因为我不知道系统内部PRNG的工作方式。由于/dev/urandom使用的是Mersenne Twister本身，我是否偶然得到了连续的种子，它们准确地标识了Mersenne Twister的连续状态？可能与我对下一点的担忧密切相关。

从/dev/urandom播种一个PRNG，并从第一个PRNG播种。
基本上也有相同的问题:使用一个PRNG播种使用相同算法的另一个PRNG是好是坏？或者换句话说，从mt19937读取625个32位整数是否直接对应于mt19937生成器在生成过程中的任何时刻的内部状态？

首先使用非Merenne信息为他人播种。
由于使用相同的算法来生成随机数并生成初始种子似乎有点不好，所以我考虑引入一些不依赖于Mersenne Twister算法的元素。例如，我可以将线程ID异或到初始种子 vector 的每个元素中。这会使事情变得更好吗？

在线程之间共享一个PRNG。
这样可以确保只有一个序列具有Mersenne Twister的所有已知和理想特性。但是控制访问该生成器所需的锁定开销确实让我有些担心。由于我没有发现相反的证据，因此我假设我作为库用户将负责阻止并发访问PRNG。

预先生成所有随机数。
这将使一个线程预先生成所有必需的1M随机数，以供以后的不同线程使用。与整个应用程序相比，4M的内存需求将很小。这种方法让我最担心的是，随机数的生成本身并不是并发的。整个方法的伸缩性也不太好。

问题
您会建议采用哪种方法？为什么？还是您有其他建议？
您知道我的哪些担忧是正当的，哪些仅是由于我对事情的实际运行缺乏洞察力所致？

最佳答案

我会用一个实例来播种其他实例。我敢肯定，您可以轻松安全地完成此操作。

即使状态空间中的微小变化也会导致下游的较大变化-如果您可以确保它们的起始空间不完全相同(并且没有相同的状态前缀)，那么我也不必担心产生相同的数字。例如，仅使用值1,2,3来播种三个线程就可以了-您甚至不需要播种整个空间。另一个优点:通过使用可明确预测的种子，您可以轻松地否认正在挑选任何运行的想法(假设您正在尝试演示某些东西)。

进行播种很简单，这意味着所得的“子代”是高度不相关的。只是以广度优先的方式进行迭代；也就是说，如果您要播种N x 623个int值，请不要顺序播种623个值，而是选择第一个N并进行分发，然后选择下一个N，依此类推。即使播种机和子级之间存在某种相关性，几乎没有任何 child -这就是您所关心的。

我希望有一种算法，该算法尽可能允许确定性执行，因此依赖urandom并不有吸引力。这使调试更加容易。

最后，显然-测试。这些PRNG相当强大，但是一定要注意结果，并根据模拟的内容进行一些相关性测试。大多数问题应该是显而易见的-要么您播种不佳，并且存在明显的重复子序列，您播种得好，然后质量由PRNG限制所决定。

对于最终执行，在完成测试后，您可以使用urandom播种623个状态值中的第一个，以使您省心和/或线程ID。