BoxMuller算法C++实现优化问询：蒙特卡洛定价百万次模拟提速

先看你当前的实现代码：

using std::cout;
using std::endl;
double BoxMuller()
{
    double x = static_cast<double> (rand()) / RAND_MAX;
    double y = static_cast<double> (rand()) / RAND_MAX;
    double z = sqrt(-2.0 * log(x)) * cos(2 * M_PI * y);

    return z;
}

针对百万次模拟的场景，以下是具体的提速方法：

1. 替换低效的rand()，改用C++11随机数库 #

rand()是C标准库的老旧实现，不仅生成速度慢，随机数质量（分布均匀性、周期）也难以满足蒙特卡洛的需求。推荐使用C++11引入的<random>库，比如mt19937（梅森旋转算法），配合uniform_real_distribution直接生成[0,1)区间的浮点数，避免整数转浮点的额外开销。

优化后的代码示例：

#include <random>

inline double BoxMuller() {
    static std::mt19937 rng(std::random_device{}()); // 静态初始化，仅构造一次
    static std::uniform_real_distribution<double> dist(0.0, 1.0);
    
    double x = dist(rng);
    double y = dist(rng);
    return sqrt(-2.0 * log(x)) * cos(2 * M_PI * y);
}

2. 利用BoxMuller的成对生成特性，减少一半计算量 #

BoxMuller算法本质上可以一次生成两个独立的标准正态分布随机数，但你的代码每次只返回一个，浪费了一半的计算资源。可以通过静态变量缓存第二个生成的数，让函数交替返回两个结果，直接减少一半的log、cos运算和随机数生成次数。

优化后的代码示例：

#include <random>
#include <cmath>

inline double BoxMuller() {
    static std::mt19937 rng(std::random_device{}());
    static std::uniform_real_distribution<double> dist(0.0, 1.0);
    static bool has_cache = false;
    static double cached_val;

    if (has_cache) {
        has_cache = false;
        return cached_val;
    }

    double x = dist(rng);
    double y = dist(rng);
    double z1 = sqrt(-2.0 * log(x)) * cos(2 * M_PI * y);
    double z2 = sqrt(-2.0 * log(x)) * sin(2 * M_PI * y); // 生成第二个数
    cached_val = z2;
    has_cache = true;
    return z1;
}

3. 常量预计算与数学运算优化 #

• 预计算重复使用的常量：比如将2 * M_PI提前定义为const double TWO_PI = 2 * M_PI;，避免每次调用函数时重复计算。
• 启用编译器数学优化：编译时添加-ffast-math（GCC/Clang）或/fp:fast（MSVC），让编译器对数学函数做激进优化，但注意这可能会牺牲极少量精度，需确认是否符合你的定价精度要求。
• 优先使用编译器内置函数：部分编译器提供__builtin_log、__builtin_cos等内置函数，比标准库实现更快，可尝试替换（需注意平台兼容性）。

4. 开启编译器优化选项 #

编译时添加以下选项，能大幅提升代码运行效率：

• -O3：启用最高级别的优化，包括循环展开、函数内联、常量折叠等。
• -march=native：让编译器生成适配当前CPU指令集（如AVX、SSE4）的代码，充分利用硬件的浮点运算能力。
• -fno-math-errno：禁止数学函数设置errno，减少额外的错误检查开销。

5. 函数内联与批量生成 #

• 标记函数为inline：如上面的示例，让编译器将函数代码直接嵌入调用处，消除百万次函数调用的栈开销。
• 批量生成随机数：如果模拟逻辑允许，可以一次性生成所有需要的正态分布数（比如100万个）存储到数组中，后续模拟直接从数组读取，避免重复调用函数的开销。

内容的提问来源于stack exchange，提问作者Grace Cheng