17370845950

C++11推荐使用库生成随机数，以std::mt19937引擎配合std::uniform_int_distribution等分布对象实现高质量、均匀分布的随机数生成，避免rand()缺陷。

在C++中生成随机数，推荐使用C++11引入的库，它比老旧的rand()更可靠、更灵活、分布更均匀。

初始化随机数生成器（引擎）

随机数质量取决于引擎（engine）的选择和种子（seed）的设置。常用引擎是std::mt19937（梅森旋转算法），速度快且周期长。

• 用当前时间作为种子：std::mt19937 gen{std::random_device{}()};
• std::random_device是真正的硬件随机数源（在支持系统上），适合做种子
• 避免固定种子（如gen.seed(42)），否则每次运行结果都一样

选择并配置分布（distribution）

引擎只产生“原始”整数，需要用分布对象把它映射成你想要的范围或类型：

• 生成 [0, 9] 的整数：std::uniform_int_distribution dist(0, 9);
• 生成 [1.0, 5.0) 的浮点数：std::uniform_real_distribution dist(1.0, 5.0);
• 其他分布：正态std::normal_distribution、泊松std::poisson_distribution等

生成并使用随机数

把引擎和分布组合调用即可：

std::mt19937 gen{std::random_device{}()};
std::uniform_int_distribution dice(1, 6);
int roll = dice(gen); // 掷一次骰子

• 每次调用distribution(engine)返回一个新随机值

• 引擎和分布建议复用，不要每次临时创建（影响性能和随机性）
• 如果需要多个不同范围的随机数，可共用同一个引擎，搭配多个分布对象

常见误区提醒

别再用rand() % N！它有严重缺陷：

• 低比特位随机性差，尤其当N不是2的幂时，分布不均
• RAND_MAX通常只有32767，精度极低
• srand(time(nullptr))在快速连续运行时可能重复种子
• 完全规避这些问题，是现代C++的标准做法

基本上就这些。掌握引擎 + 分布的组合逻辑，就能安全、高效地生成各种随机数。