Ist boost :: random :: discrete_distribution dynamisch resizierbar?

Question

Ich kann nicht viel Dokumentation der Boost-Version von discrete_distribution finden. Nach viel Google-Suche kann ich noch nicht einmal eine Liste von Methoden finden, die diese Klasse hat, und ob einer von ihnen funktioniert, um die Wahrscheinlichkeiten neu zuzuordnen.

In meinem Fall schreibe ich einen evolutionären Dynamikalgorithmus. Bei jedem Zeitschritt können Mitglieder der Population zufällig ausgewählt werden, um entweder zu sterben oder sich zu vermehren. Aus diesem Grund wird die Gesamtzahl der Einträge in meiner diskreten Distribution fast jede Iteration ändern.

Ich möchte ein einzelnes Objekt haben, das ich vor dem Start der Simulation definiere, genannt gillespie_dist (die diskrete Verteilung, die diesen Gillespie-Algorithmus steuert). Aber ich möchte am Ende jeder Iteration möglicherweise spezifische Werte ändern und/oder neue Werte zu gillespie_dist hinzufügen und insbesondere keine neuen Instanzen der diskreten_Distribution bei jeder Iteration erstellen.

Was ist ein guter Ansatz dafür. Gibt es Methoden, um einen neuen Wert auf das Objekt discrete_distribution zu schieben, Methoden, um den Wert einer Distribution an einem bestimmten Index zu ändern, oder noch besser, die gesamte Distribution "neu zu initialisieren", indem die Vektoriterator-Idee here verwendet wird?

Answer 1

Ich schaute in den Code des gcc libstdC++ 4.7 Implementierung von std :: discrete_distribution.

Die Gewichte werden als vector<double> in einem privaten Mitglied gespeichert. Auf die resize-Methode in der öffentlichen Schnittstelle kann nicht zugegriffen werden.

Ich werde versuchen und die Implementierung seines Operators() ausgraben (was in der cpp aussieht wie es aussieht), sollte es kein Problem sein, Ihre eigenen zu rollen.

Hier ist die Hauptsache, und meine Erklärung folgende:

template<typename _IntType> 
    void 
    discrete_distribution<_IntType>::param_type:: 
    _M_initialize() 
    { 
     if (_M_prob.size() < 2) 
     { 
      _M_prob.clear(); 
      return; 
     } 

     const double __sum = std::accumulate(_M_prob.begin(), 
              _M_prob.end(), 0.0); 
     // Now normalize the probabilites. 
     __detail::__transform(_M_prob.begin(), _M_prob.end(), _M_prob.begin(), 
          std::bind2nd(std::divides<double>(), __sum)); 
     // Accumulate partial sums. 
     _M_cp.reserve(_M_prob.size()); 
     std::partial_sum(_M_prob.begin(), _M_prob.end(), 
         std::back_inserter(_M_cp)); 
     // Make sure the last cumulative probability is one. 
     _M_cp[_M_cp.size() - 1] = 1.0; 
    } 

    template<typename _IntType> 
    template<typename _UniformRandomNumberGenerator> 
     typename discrete_distribution<_IntType>::result_type 
     discrete_distribution<_IntType>:: 
     operator()(_UniformRandomNumberGenerator& __urng, 
       const param_type& __param) 
     { 
     if (__param._M_cp.empty()) 
      return result_type(0); 

     __detail::_Adaptor<_UniformRandomNumberGenerator, double> 
      __aurng(__urng); 

     const double __p = __aurng(); 
     auto __pos = std::lower_bound(__param._M_cp.begin(), 
             __param._M_cp.end(), __p); 

     return __pos - __param._M_cp.begin(); 
     } 

Also im Grunde berechnet sie einen auxilary Vektor _M_cp bei der Initialisierung, die im Wesentlichen eine discete kumulative Dichtefunktion der Gewichte ist. Das Erzeugen eines Samples bedeutet also nur das Erzeugen einer einheitlichen Zufallsvariablen und das Suchen nach dem ersten Vorkommen dieses in der kumulativen Verteilung (das ist der Aufruf unter oben), der seinen Index zurückgibt.

zB wenn die Gewichte Vektor ist:

{ 1, 2, 1, 3 } 

dann wird der cp berechnet als:

{ 1, 1+2, 1+2+1, 1+2+1+3 } 
= 
{ 1, 3, 4, 7 } 

so gleichmäßig I Auswählen von 0..6 und 4, so dass ich die Pick dritte.

Answer 2

After much Google searching, I still can't even find a list of methods that this class has, and whether any of them function to re-assign the probabilities.

http://www.boost.org/doc/html/boost/random/discrete_distribution.html

und

void param(const param_type & param); 

Sets the parameters of the distribution.