如何在Rust中使用rand crate生成均匀且确定性的随机样本？

核心逻辑 #

要同时实现确定性（固定种子下重复运行输出一致）和均匀分布，关键在于两点：选择符合规范的确定性伪随机数生成器（PRNG），以及使用rand crate内置的均匀采样接口——后者已经保证了采样结果的均匀性，只要PRNG本身是合规实现。

具体实现步骤 #

1. 添加依赖 #

在Cargo.toml中引入rand和确定性PRNG库（以rand_pcg为例，也可选择rand_chacha等）：

[dependencies]
rand = "0.8"
rand_pcg = "0.3"

2. 用固定种子初始化PRNG #

使用rand_pcg中的具体生成器（如Pcg64Mcg），通过固定种子创建实例，确保每次程序启动都生成完全相同的随机序列：

use rand::Rng;
use rand_pcg::Pcg64Mcg;

// 固定种子：可自定义任意u128值
const FIXED_SEED: u128 = 0xabcdef1234567890abcdef1234567890;

fn main() {
    // 从固定种子初始化PRNG
    let mut rng = Pcg64Mcg::new(FIXED_SEED);
    
    // 生成不同类型的均匀分布样本
    let u32_sample: u32 = rng.gen(); // 均匀分布于0到u32::MAX
    let f64_sample: f64 = rng.gen(); // 均匀分布于[0.0, 1.0)
    let range_sample: i32 = rng.gen_range(5..=20); // 均匀分布于5到20（包含两端）
    
    println!("u32样本: {}", u32_sample);
    println!("f64样本: {}", f64_sample);
    println!("范围样本: {}", range_sample);
}

3. 保障均匀性的注意事项 #

• rand crate的gen()、gen_range()等方法，都是基于PRNG输出的位流实现的无偏均匀采样，只要使用的PRNG是经过统计验证的（比如rand_pcg、rand_chacha中的实现），采样结果必然是均匀的。
• 若需自定义采样范围，优先使用Uniform分布类型，避免手动截断PRNG输出（比如直接取模可能导致分布偏移）：

use rand::distributions::Uniform;

let uniform_dist = Uniform::new(10, 30);
let sample = uniform_dist.sample(&mut rng); // 均匀分布于10到29之间

补充说明 #

• rand默认的thread_rng()使用系统非确定性熵源（如/dev/urandom），适合需要不可预测性的场景；而确定性PRNG依赖固定种子，更适合测试、模拟等需要可复现结果的场景。
• 除rand_pcg外，rand_chacha中的ChaCha20Rng也是常用的确定性PRNG，用法与上述示例一致。

内容的提问来源于stack exchange，提问作者Makogan