推荐使用C++11的库生成随机数，如std::mt19937引擎配合std::uniform_int_distribution分布，可获得高质量、可控制的随机序列；传统rand()方法因随机性差、分布不均而不推荐新项目使用。
在C++中生成随机数有多种方法，随着标准的演进，推荐的方式也在变化。下面汇总几种常用的C++随机数生成方法，涵盖从传统C风格到现代C++11及以上标准的实践。
使用C++11及以后的标准随机库（推荐）
这是目前最推荐的方式，利用#include
基本步骤：
- 创建一个随机数引擎，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); // [1, 100] 范围内整数 for (int i = 0; i < 5; ++i) { std::cout << dis(gen) << " "; } return 0; }
优点：可重复性可控、支持多种分布、线程安全（适当使用时）。
立即学习“C++免费学习笔记（深入）”；
使用rand()和srand()（传统方式，不推荐新项目使用）
来自C语言的rand()函数在C++中仍可用，位于
常见用法：
- 用srand()设置种子（通常用time(0)）
- 调用rand()获取0到RAND_MAX之间的整数
- 通过取模调整范围（注意偏差问题）
#include#include #include int main() { srand(time(0)); // 设置随机种子 for (int i = 0; i < 5; ++i) { int random_num = rand() % 100 + 1; // [1, 100] std::cout << random_num << " "; } return 0; }
缺点：随机质量差、周期短、rand() % N会导致分布不均，尤其是N接近RAND_MAX时。
生成浮点型随机数
使用std::uniform_real_distribution可以生成指定区间内的浮点数。
std::random_device rd; std::mt19937 gen(rd()); std::uniform_real_distributiondis(0.0, 1.0); for (int i = 0; i < 5; ++i) { std::cout << dis(gen) << " "; }
适用于模拟、概率计算等需要实数随机值的场景。
固定种子以复现实验结果
调试或测试时，可使用固定种子让随机序列可重现。
std::mt19937 gen(42); // 固定种子 std::uniform_int_distributiondis(1, 10); // 每次运行输出相同序列
发布版本中建议使用std::random_device获取真随机种子。
基本上就这些。现代C++应优先使用
