使 PRNG 跨软件达成一致

我正在研究是否有可能让两组软件就生成的伪随机数序列达成一致。我对理解所有可能的分歧点感兴趣，就像我对真正找到一种方法让他们达成一致一样感兴趣。

Why?我在一家使用许多不同软件包（Stata、R、Python、SAS，可能还有其他软件包）的数据商店工作。最近，人们对通过用另一种语言复制流程来控制输出产生了兴趣。对于任何涉及随机数的过程，如果我们可以提供一系列允许两个包达成一致的步骤（“设置此选项”等），将会很有帮助。如果这不可行，我希望能够阐明失败点在哪里。

一个简单的例子：

R 和 Python 的默认随机数生成器都是 Mersenne-Twister。我将它们设置为相同的种子，并尝试从中采样并查看 PRNG 的“状态”。这两个值都不一致。

R（3.2.3，64 位）：

set.seed(20160201)
.Random.seed
sample(c(1, 2, 3, 4, 5))

Python（3.5.1，64 位）：

import random

random.seed(20160201)
random.getstate()
random.sample([1, 2, 3, 4, 5], 5)

老问题，但可能对未来的读者有用：正如评论中提到的，最好的选择是自己实现这个并为不同的环境提供接口，以便对于给定的种子返回相同的结果。为什么有必要？您使用“采样”作为示例。涉及几个步骤。

1. 播种是一个不平凡的过程。例如，R 可以达到进一步争夺提供的种子。因此，除非您的用户工具使用相同的方法，否则即使用户提供相同的值，它们最终也会得到不同的种子。

2. 实际的 RNG：即使在这两种情况下都可能使用 Mersenne-Twister，但它真的是相同的版本吗？ R 使用 32 位 MT。也许 Python 使用 64 位版本？

3. 大多数 RNG 为您提供无符号整数（现在通常为 32 或 64 位）。但是您将需要一些随机数的分布，例如为了进行采样，您需要给定范围内的随机整数。有很多方法从 RNG 生成的整数到采样所需的整数。对于 R，您甚至无法访问 RNG 的输出值。最基本的功能是R_unif它返回 [0, 1) 中的双精度值。同样，如何生成这样的双精度数是没有得到普遍同意。如果您需要其他分布函数（正态、指数等），您会发现很多不同的算法。

总体而言，在很多地方都可能出现（微妙的）差异。