客户机和工人

如果需要在客户端和工作人员中生成相同的数字流，您可以设置一个匹配另一个。您可以设置生成器算法和种子使用rng．

例如，您可能在一个worker上作为批处理作业运行一个脚本，并且需要与客户机相同的生成器或序列。假设您从一个名为randScript1.m它包含以下行:

R =兰德(1,4);

您可以在客户端运行此脚本，然后在worker上作为批处理作业运行。注意，在结果中生成的默认随机数序列是不同的。

randScript1;%客户R

R = 0.8147 0.9058 0.1270 0.9134

parallel.defaultClusterProfile (“本地”) c = parcluster();j =批(c,“randScript1”）;%对工人等待(j);负载(j);R

R = 0.1349 0.6744 0.9301 0.5332

对于相同的结果，您可以设置客户机和工作者使用相同的生成器和种子。在这里,文件randScript2.m包含以下代码:

rng (1,“Threefry”）;R =兰德(1,4);

现在，在客户端和worker上运行新脚本:

randScript2;%客户R

R = 0.1404 0.8197 0.1073 0.4131

j =批(c,“randScript2”）;%对工人等待(j);负载(j);R

R = 0.1404 0.8197 0.1073 0.4131

不同的工人

默认情况下，集群中工作于同一作业的每个worker都有一个独立的随机数流。如果兰德，兰迪,或randn并行调用时，每个工人产生一个唯一的随机数序列。

这个例子在一个并行池中使用了两个worker来显示它们生成了唯一的随机数序列。

p = parpool (2);spmdR =兰德(1,4);每个工人不同结束R {1}, {2}

Ans = 0.1349 0.6744 0.9301 0.5332

删除(p)

如果你需要所有工人生成相同的数字序列，你可以设置每个工人使用相同的生成器设置:

p = parpool (2);spmdrng (0,“Philox”）;默认种子0。R =兰德(1,4);所有工人都一样结束R {1}, {2}

Ans = 0.3655 0.6975 0.1789 0.4549

删除(p)

如果你需要在a的每次迭代中控制随机数parfor循环,看在parfor循环中重复随机数．

正态分布随机数

如果你用的是正态分布的随机数randn函数，您可以使用与上面相同的方法使用RandStream在每个worker和客户端上设置生成器类型、种子和普通转换算法。

例如，假设这个文件randScript3.m包含的代码:

流= RandStream (“Threefry”，“种子”0,“NormalTransform”，“反转”）;RandStream.setGlobalStream(流);R = randn (7)

R = -0.3479 0.1057 0.3969 0.6544 -1.8228 0.9587 0.5360