Generation of discrete random variables in scalable frameworks

در این مقاله، ما با مشکل شبیه سازی متغیرهای تصادفی گسسته با توزیع های عمومی و متغیر در یک چارچوب مقیاس پذیر مواجه هستیم، در حالیکه عملیات به طور کامل باید به ترتیب انجام شود. پارادایم جدید از چارچوب مدل انتخابی گسسته الهام گرفته شده است. در مقایسه با الگوریتم های کلاسیک، ما تصادفی موازی را اضافه می کنیم و شبیه سازی نهایی متغیر تصادفی را به یک عملیات وابسته ی یکسانی منتهی می کنیم. ما مجموعه ای از الگوریتم هایی که به این ترتیب کار می کنند را مشخص می کنیم و آن الگوریتم هایی که ممکن است یک نویز محلی یا افزودنی محلی داشته باشند. به عنوان یک نتیجه، ما می توانیم یک راه طبیعی برای حل برخی از مشکلات شبیه سازی محبوب تعریف کنیم.