关于统计分布中“随机数流stream”的解释

资料来自《实用系统仿真建模与分析——使用Flexsim》，作者秦天保 周向阳
第四章 随机数和随机变数的生成
0 n! v: Q! ^: C6 U& N
仿真软件一般会将整个随机数序列分成若干段，例如100000个数为一段。
- U% E- W' g. \每段成为一个随机数流(stream)，每个流会指定一个编号，如0号流，1号流等等。

' O* f9 i7 ]4 m5 X; F5 I在Flexsim中调用指数分布函数的形式为exponential(location,scal,stream)，其中第3个参数stream就是指定从哪一个流求取下一个随机数，如果省略参数流，则默认使用0号随机数流。
+ J% q' U1 s$ Q  G8 i3 @
/ \- X5 M9 L2 A6 ]8 jFlexsim系统已经初始化了100个随机数流（0~99号），可供直接使用。
0 F9 V8 p; C& h$ p( U
8 ~* ~2 S5 F% ^0 J6 y! ?如果一个流的随机数在模型运行过程中，经过不断调用耗净了，根据递推公式下一个随机数就会侵入下一个流中去了，这会导致不想要的相关性。为了提高模型输出数据的准确性和精度，建议为模型中的每个对象甚至每个随机因素指定不同的流号。
( O8 `% I: C" ^1 ]. ^, C
参考文献：
% {: M2 |4 m+ d* s) @
- J) K. k, E; z1 B* }
. n9 \- o; f) ^( d" O- f* L  R
& p7 e) R( S9 `) H$ h4 I% ?" ?  S

谢谢分享!

学习一下 谢谢分享

' m6 c' @- E5 l$ {5 F* s% Z这个问题困扰我好久了，现在一次性了结
---------------------------------------------------------------------------------------------------
-随机数是怎么生成的
1 u4 |8 W* i! k9 Q基于计算机方法生成的随机数称为伪随机数，因为其计算方法已知，不是完全的随机。现在比较流行的生产伪随机数的方法是 Linear Congruential Generation （混合同余法）.
$ T: y( Y$ n: {Linear Congruential Generation (LCG)[1]方法如下:
X_i=(aX_(i-1)+c)mod m                            （1）
7 X% R( Y! M8 y# J! R% T1 `) J: dR_i= X_i/m
Seed: X_0
2 q' q- W8 k% ^$ ]
-什么是stream?
2 j6 F* X; @$ U) w) C基于m的限制，生成的随机数都是循环的，而且最大的循环周期是m。假设生成的随机数周期为P，随机数序列可以写作： X_0,X_1,…X_P,X_0,X_1…
, b% ~  m3 W* l! J" P: t+ [正因为它的循环性，取0-P之间任何一个数做seed都可以生成整个随机数列。
; @' M1 B" u% |0 O3 P! h( ]6 [5 @' b为了方便起见，我们把长度为P的随机数分为若干个随机数流（stream），比如说，分成b个，每个stream的长度为P/b： {X_0,X_1,…X_(P/b-1)}, {X_(P/b),…X_(2P/b-1)}…

  V- u' e( Z' F% \-Stream有什么用？
, \! X/ u% C  G$ ?6 q& h- b通过观察（1）式可以得知，X_i  和 X_(i-1)是相关的。为了避免这种相关性，仿真时常常会选取不同的stream产生各个过程的随机数。

8 e+ w! u; y: ]9 Y+ g为此专门写了篇blog在http://blog.sina.com.cn/sui5277

非常需要这方面知识啊谢谢

学习学习