c++ - 我的PRNG实现与我要复制的实现有何不同？

我需要一个PRNG来进行模拟项目，然后发现a resource，因为我对PRNG的了解有限但并非根本不存在，因此听起来似乎很明智。我试图将本报告中给出的算法封装在一个类中，但是由于某种原因，我得到了很多重复的值。 PRNG可能不如报告中说明的那样好，但是我怀疑这是我的实现失败的原因。

背景：报告中的PRNG代码

第3页上给出以下代码示例：

/* Public domain code for JKISS RNG */
// seed variables
static unsigned int x = 123456789,y = 987654321,z = 43219876,c = 6543217;

unsigned int JKISS()
{
    unsigned long long t;
    x = 314527869 * x + 1234567;
    y ^= y << 5; y ^= y >> 7; y ^= y << 22;
    t = 4294584393ULL * z + c; c = t >> 32; z = t;
    return x + y + z;
}

关于这一点，报告声称


  JKISS的周期为≈2127 = 1.7x10 38（2 32 x（2 32 -1）x（1/2 *
  4294584393 x 2 32-1）），它通过了所有的Dieharder测试和完整的BigCrunch测试集
  TestU01。


所以这对我来说绝对足够好。在报告的后面（第6页）中对此进行了说明


  以下C代码生成[sic]随机（双精度）浮点数0

double x;
x = JKISS() / 4294967296.0;

我对此的封装

我在头文件中有以下内容：

class JKISS : public IPRNG {
private:
    // Seed variables
    static unsigned int x;
    static unsigned int y;
    static unsigned int z;
    static unsigned int c;


public:
    static unsigned int randui32();
    static double randdouble();
};

与以下实现文件

#include "prng.hpp"

unsigned int JKISS::x = 123456789;
unsigned int JKISS::y = 987654321;
unsigned int JKISS::z = 43219876;
unsigned int JKISS::c = 6543217;

unsigned int JKISS::randui32() {
    unsigned long long t;
    x = 314527869 * x + 1234567;
    y ^= y << 5; y ^= y >> 7; y ^= y << 22;
    t = 4294584393ULL * z + c; c = t >> 32; z = t;
    return x + y + z;
}

double JKISS::randdouble() {
    return randui32() / 4294967296.0;
}

和下面的主程序

#include <iostream>
#include "prng.hpp"

int main() {
    for (int i = 0; i < 10000; ++i) {
        std::cout << JKISS::randdouble() << std::endl;
    }
}

如您所见，我已经复制粘贴了大部分代码。

但是，当我运行此代码时，即使我仅获取10000个值，也得到68个重复值。这向我表明我的封装有问题，但我无法弄清楚问题出在哪里。

万一有问题，我将在Ubuntu 13.10上以以下规格运行GCC 4.8.1：

Platform Info:
  System: Linux (x86_64-linux-gnu)
  CPU: Intel(R) Xeon(R) CPU           E5410  @ 2.33GHz
  WORD_SIZE: 64

任何可能导致这种情况的想法都将受到欢迎。

最佳答案

我得到的结果与您相同，但没有重复； p

我的意思是，如果我按照指示运行程序，则会得到68个重复项，但是如果我切换randdouble() => randui32()，将不再有重复项，因此我敢打赌，由于打印例程。

您可以尝试将双打收集到一个数组中，然后进行比较以确保100％确定。