使用C++标准库生成随机数，需选择引擎如std::mt19937和分布类如std::uniform_int_distribution，结合random_device设置种子，可生成高质量、分布均匀的随机数，避免rand()的随机性差、分布不均等问题，适用于整数、浮点数、正态分布等场景。
在C++中生成随机数，核心方法是使用标准库中的
使用 生成高质量随机数
C++11 引入了功能强大的随机数库，包含随机数引擎和分布类，能生成符合特定统计分布的随机值。
基本步骤如下：
- 选择一个随机数引擎，如 std::mt19937（梅森旋转算法）
- 选择一个分布类型，如 std::uniform_int_distribution 或 std::normal_distribution
- 用引擎生成随机数，并通过分布调整范围或形态
#include#include int main() { std::random_device rd; // 用于生成种子 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() 的常见问题
传统方式使用 srand(time(0)) 配合 rand() 虽然简单，但存在多个缺陷：
立即学习“C++免费学习笔记（深入）”；
- 随机性差，周期短
- 分布不均，尤其在取模后
- 跨平台行为不一致
- 精度受限，最大值由 RAND_MAX 决定（通常为 32767）
因此，在新项目中应尽量避免使用 rand()。
设置种子以控制随机性
若希望每次运行程序得到相同的“随机”序列（例如调试时），可以固定种子：
std::mt19937 gen(42); // 固定种子，结果可重现
若希望每次不同，建议使用 std::random_device 获取真随机种子：
std::random_device rd; std::mt19937 gen(rd());
常用分布类型与应用场景
根据需求选择合适的分布类，能直接获得所需格式的随机数：
-
std::uniform_int_distribution
：生成指定范围内的整数 -
std::uniform_real_distribution
：生成指定区间的浮点数 -
std::normal_distribution
：生成正态分布数据，适合模拟自然现象 - std::bernoulli_distribution：生成布尔值，按指定概率返回 true/false
std::uniform_real_distributiondis(0.0, 1.0); double value = dis(gen);
基本上就这些。掌握
