现代C++推荐使用库生成高质量随机数，避免传统srand和rand的缺陷。1. 使用std::random_device获取种子，初始化如std::mt19937引擎；2. 配合分布对象如std::uniform_int_distribution控制范围和分布；3. 避免rand()因范围固定、低比特位随机性差导致的偏差；4. 不同场景选用对应分布：整数、浮点、正态或布尔分布；5. 测试时可用固定种子确保结果可复现。优先使用头文件，取代srand(time(0))与rand()组合。
在C++中生成随机数，关键在于正确使用标准库中的工具。很多人误用srand和rand，导致随机性差或重复结果。现代C++推荐使用
使用 生成高质量随机数
C++11引入了
-
随机数引擎：如
std::mt19937（梅森旋转算法），负责生成原始随机数 -
分布对象：如
std::uniform_int_distribution，控制数值范围和分布方式
示例：生成1到100之间的整数
#include#include int main() { std::random_device rd; // 获取真随机种子 std::mt19937 gen(rd()); // 随机数引擎 std::uniform_int_distribution dis(1, 100); for (int i = 0; i < 5; ++i) { std::cout << dis(gen) << " "; } return 0; }
避免使用 rand() 的坑
rand()来自C语言，存在多个问题：
立即学习“C++免费学习笔记（深入）”；
- 范围固定为0到RAND_MAX（通常32767），缩放后易产生偏差
- 低比特位随机性差，
rand() % N会导致分布不均 - 必须手动调用
srand(time(0))初始化，否则每次运行结果相同
若必须使用rand()，建议改用std::uniform_int_distribution包装，而不是直接取模。
常见应用场景技巧
不同需求对应不同分布类型：
- 浮点数随机：
std::uniform_real_distributiondis(0.0, 1.0); - 正态分布：
std::normal_distributiondis(0.0, 1.0); - 布尔随机：
std::bernoulli_distribution dis(0.3);（30%概率true）
如果需要可复现结果（如测试），可以用固定种子初始化引擎：std::mt19937 gen(12345);
srand(time(0))加rand()的组合了。 
