现代C++推荐使用库生成随机数，如通过std::mt19937引擎和std::uniform_int_distribution分布生成1~100的整数，相比传统rand()函数具有更好的随机性和分布控制。
在C++中生成随机数有多种方式，随着C++标准的演进，推荐的方法也在变化。早期使用 rand() 函数较为常见，但现代C++（C++11及以上）更推荐使用
使用 rand() 函数（传统方法）
这是C语言沿用下来的方式，在简单场景中仍可用，但不推荐用于需要高质量随机性的程序。
示例：包含头文件
#include iostream>
#include
#include
int main() {
srand(time(0)); // 使用当前时间作为种子
int random_num = rand() % 100; // 生成 0~99 的随机数
std::cout
return 0;
}
注意： rand() 生成的是伪随机数，范围为 0 到 RAND_MAX（通常为 32767），且分布可能不均匀。多次运行若未重新设置种子，会得到相同序列。
立即学习“C++免费学习笔记（深入）”；
使用 头文件（现代C++推荐方式）
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，能生成高质量、符合特定分布的随机数。
关键组件：
- 随机数引擎：如 std::mt19937（梅森旋转算法），提供基础随机比特流。
- 随机数分布：如 std::uniform_int_distribution，用于将引擎输出映射到指定范围。
#include
#include
int main() {
std::random_device rd; // 真实随机种子生成器
std::mt19937 gen(rd()); // 使用随机种子初始化引擎
std::uniform_int_distribution
int random_num = dis(gen);
std::cout
return 0;
}
优点： 随机性更强，支持各种分布（正态、泊松等），可控制类型和范围。
生成浮点型随机数
使用 std::uniform_real_distribution 可生成指定区间的浮点数。
示例：生成 0.0 ~ 1.0 之间的浮点数
std::random_device rd;
std::mt19937 gen(rd());
std::uniform_real_distribution
double random_val = dis(gen);
固定种子实现可重复结果
调试时希望随机数序列一致，可使用固定种子代替 std::random_device。
例如：
std::mt19937 gen(42); // 每次都从种子42开始，结果可重现
基本上就这些。对于新项目，优先使用
