编写蒙特卡洛积分程序遇异常：低维测试结合Numerical Recipes随机数生成器出错

我之前也踩过Numerical Recipes随机数生成器搭配蒙特卡洛积分的坑，给你几个实用的排查方向和解决思路：

可能的问题与解决方向 #

• 初始化逻辑不一致
  Numerical Recipes的随机数生成器（RNG）依赖结构体里的状态变量，要是你在单独测试RNG时是全局初始化一次，但在积分程序里不小心每次迭代都重新初始化，或者种子设置得不对，那生成的随机数序列肯定会乱套。赶紧对比下两处的初始化代码，确保积分里的RNG是只初始化一次，状态变量完全正确赋值。

• RNG状态被意外篡改
  如果你把NR的RNG结构体当成局部变量放在积分函数里，每次调用函数都会重新创建一个新的结构体，那生成的随机数序列会一直重复开头的部分，根本不是连续的独立序列。建议把RNG结构体设为全局变量，或者通过指针传递给积分函数，保证整个积分过程用的是同一个状态实例。

• 和内置rand的隐性冲突
  虽然理论上NR的RNG和系统内置rand是独立的，但有些老版本的NR实现可能会共享底层的状态资源。试试在积分程序里彻底关掉内置rand的调用，只使用NR的RNG，看看异常会不会消失。

• 随机数范围适配错误
  内置rand生成的是[0, RAND_MAX]的整数，你之前可能用(double)rand()/RAND_MAX转成了[0,1)的浮点数；但NR的RNG很多直接返回的就是[0,1)的浮点数（比如ran1或者ran2），要是你在积分里还重复做了范围转换，那采样点就会偏离正确区间，积分结果自然异常。赶紧核对两种情况下随机数的取值范围，确保采样点在积分区域内均匀分布。

调试小技巧 #

• 把单独测试RNG时的前20个随机数，和积分程序里用NR RNG生成的前20个数字对比，如果不一样，那肯定是初始化或者状态管理出问题了。
• 先写个最简单的1D积分测试用例（比如积分f(x)=x从0到1，预期结果0.5），用NR的RNG跑一遍，确认这个小例子能出正确结果，再逐步扩展到高维度。

内容的提问来源于stack exchange，提问作者Robert