本关任务:编写一个程序,实现第一关的向量版,即带漂移的一维随机游走的向量版实现。 相关知识 为了完成本关任务,你需要掌握: 1.常见Python随机数函数; 2.随机游走(random walk)。 常见Python随机数函数 import numpy r = numpy.random.random(n) [0, 1) n个实数 r = numpy.random.uniform(a, b, n) [a, b) n个实数 i = numpy.random.randint(a, b+1, n) [a, b] 整数 i = numpy.random.random_integers(a, b, n) [a, b] 整数 随机游走(random walk) 也称随机漫步,是指基于过去的表现,无法预测将来的发展步骤和方向。其概念接近于布朗运动,是布朗运动的理想数学状态。醉汉行走的轨迹、布朗运动、股完善一维随机游走程序,使得向右移动的概率为 r,向左移动的概率为 1-r(生成中的数字,而不是{1,2}中的整数)。在 n s 步后计算 n p 个粒子的平均位置。 在数学上可以证明,在 n p →∞时,平均位置逼近 rn s −(1−r)n s (n s 是步数)。 请你编写函数 random_walk1D_drift(np, ns, r)的向量版实现,返回 np 个粒子随机游走 ns 步(每步右移概率为 r)后平均位置的估算值。 提示:使用 numpy 库中数组类型及相关函数。
时间: 2024-01-24 22:17:00 浏览: 109
基于共享矢量链的多任务概念漂移分类方法
以下是向量版实现的代码:
```python
import numpy as np
def random_walk1D_drift(np, ns, r):
positions = np.zeros(np) # 初始化每个粒子的位置为0
for i in range(ns):
moves = np.random.choice([-1, 1], size=np, p=[1-r, r]) # 随机生成每个粒子的移动方向
positions += moves # 更新每个粒子的位置
return np.mean(positions) # 返回所有粒子的平均位置
```
其中,np.zeros(np) 表示生成一个长度为 np 的一维数组,每个元素初始值为0。np.random.choice([-1, 1], size=np, p=[1-r, r]) 表示从列表 [-1, 1] 中随机选择 size 个元素,其中选择 -1 的概率为 1-r,选择 1 的概率为 r。positions += moves 表示将每个粒子的位置向右移动 moves 个单位(如果 moves 为正数),或向左移动 -moves 个单位(如果 moves 为负数)。最后,np.mean(positions) 表示计算所有粒子的平均位置。
阅读全文