推荐使用C++标准库生成随机数，它比rand()更现代、分布更均匀。首先通过std::random_device获取种子并初始化std::mt19937引擎，再结合如std::uniform_int_distribution等分布对象生成指定范围内的整数或浮点数，实现高质量随机数控制。应复用引擎和分布对象以提升性能，避免每次创建；优先使用random_device而非time(nullptr)作为种子，确保随机性。可封装成类便于多次调用，适用于各种分布需求，如均匀、正态或泊松分布，从而精确控制随机数形态。
在C++中生成随机数，推荐使用rand()函数更现代、更灵活、分布更均匀。以下是使用C++标准库生成随机数并控制分布的完整方法。
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），负责生成伪随机序列。 -
分布对象：如
std::uniform_int_distribution，用于将引擎输出映射到指定范围或分布类型。
基本用法如下：
#include#include int main() { // 创建随机数引擎，使用随机种子 std::random_device rd; // 真实随机设备，用于种子 std::mt19937 gen(rd()); // 梅森旋转生成器 // 定义分布：[1, 100] 的整数均匀分布 std::uniform_int_distribution dis(1, 100); // 生成随机数 int random_num = dis(gen); std::cout << "随机数: " << random_num << std::endl; return 0; }
控制不同类型的随机分布
根据需求选择合适的分布类，实现对随机数形态的精确控制：
立即学习“C++免费学习笔记（深入）”；
-
整数均匀分布：
std::uniform_int_distribution生成指定范围内的整数。 -
浮点均匀分布：
std::uniform_real_distribution生成区间内的浮点数。 -
正态分布：
std::normal_distribution生成符合高斯分布的数值。 -
泊松分布：
std::poisson_distribution适用于事件发生次数模拟。
示例：生成0.0到1.0之间的随机浮点数
std::uniform_real_distributionreal_dis(0.0, 1.0); double random_val = real_dis(gen);
避免常见错误与最佳实践
使用
- 不要每次生成都创建新引擎或分布对象，应复用引擎实例。
- 避免使用
time(nullptr)作为唯一种子（精度低），优先使用std::random_device。 - 若需重复实验结果，可固定种子值（如
std::mt19937 gen(12345);）。 - 分布对象可复用，支持多次调用。
封装一个通用随机数生成器是个好习惯：
class RandomGenerator {
std::mt19937 gen;
public:
RandomGenerator() : gen(std::random_device{}()) {}
int getInt(int min, int max) {
std::uniform_int_distribution dis(min, max);
return dis(gen);
}
double getReal(double min, double max) {
std::uniform_real_distribution dis(min, max);
return dis(gen);
}
};
基本上就这些。相比老式rand() % N的方式，
