我已MT19937在测试工具中使用以生成统一（无符号）32 位 [0,- 1] 值，基于原始作者的mt19937.c实现，以生成（基本上取之不尽的）统计随机位八位字节流的供应。这代替了 CSPRNG，这对于这些特定测试不是必需的。但是，我最近一直在考虑WELLPRNG——不是因为统计特性本身（两者似乎都足以满足我的需求）——但它们似乎暗示了更有效的实现。
我缺乏学术论文的数学背景，尽管我至少可以遵循“扭曲”矩阵和前者的回火变换。然而，函数作者提供的大部分代码WELL-n似乎都集中在浮点生成上，并带有一些神奇的浮点常量（例如，2.32830643653869628906e-10）。是否可以从WELL代码中省略步骤以提供统一的 32 位分布？或者该算法是专门为浮点分布设计/偏向的？
或者我认为WELL会在满足我的要求的同时为“批量”uint32 向量生成带来性能提升的想法是错误的？
我想大多数随机数生成器的用户最终都会对浮点值感兴趣。这就是存在面向双精度 SIMD 的快速梅森捻线器 (dSFMT) 的原因。但是，有用于返回值的 WELL RNG 的更新 C 代码。unsigned long查看代码，似乎早期版本正在转换unsigned long，double因此您可以通过比较两者来弄清楚它们在做什么。
如果您主要关心速度，我认为这不是您的 PRNG。作者提到的速度/性能不是算法生成随机变量的速度，而是它从糟糕的初始化中恢复的速度。这改进了 WELL 生成器的统计特性。有关这意味着什么的详细信息，请参阅Mutsuo Saito 硕士论文 (PDF) 的第 6 部分。此类测试是在人为的最坏情况初始状态下执行的，因此我不清楚一般使用的效果是什么。
随机数生成可能非常昂贵（通常尽管有直觉），并且如果您的代码花费合理的时间生成随机值，那么它是一个非常好的优化候选者。在我自己的简单性能测试（Retina MacBook Pro、OS X 10.9）中，我发现WELL RNG在生成值时的速度大约是当前基于整数的SIMD 导向的 Fast Mersenne Twister (SFMT)的三分之一uint32。SFMT也支持uint64. 我还发现经典mt19937ar.c代码的速度大约是SFMT.