C++ 怎么生成指定范围随机数 C++ uniform_int_distribution用法【数学】

rand() % N 不安全因取模破坏均匀性，且 rand() 本身质量差；应使用 std::random_device 初始化 std::mt19937 引擎，配合 std::uniform_int_distribution 实现均匀分布。

为什么 rand() % N 不能安全生成指定范围随机数

因为取模会破坏均匀性，尤其当 RAND_MAX + 1 不能被 N 整除时，小数字出现概率更高。比如 RAND_MAX == 32767，rand() % 10000 中 0–2767 比 2768–9999 多出现一次。

更严重的是：rand() 本身质量差、周期短、低位低效，C++11 起已不推荐用于新代码。

• 必须用 std::random_device 初始化种子，而非 time(nullptr)
• 必须搭配分布器（如 std::uniform_int_distribution），不能直接用引擎输出
• 引擎和分布器应分离：引擎负责生成位流，分布器负责映射到目标范围

std::uniform_int_distribution 正确初始化与调用方式

它本身不生成随机数，只是个“转换器”：把引擎输出的整数（通常是大范围无符号）映射到你指定的闭区间 [a, b] 上，并保证均匀。

典型用法：

立即学习“C++免费学习笔记（深入）”；

Gaga

曹越团队开发的AI视频生成工具

下载

std::random_device rd;
std::mt19937 gen(rd()); // 推荐引擎
std::uniform_int_distribution dis(1, 6); // 生成 [1,6] 的 int

int dice = dis(gen); // 注意：传入引擎实例，不是 dis(gen())

• 构造时传入两个参数：dis(a, b) 表示闭区间，a 和 b 都会被取到
• 调用时是 dis(gen)，不是 dis(gen()) —— 后者会编译失败
• 模板参数 必须和你要的结果类型一致；若要 long long，就写
• 重复使用同一个 dis 对象是安全且高效的，不用每次重建

生成 [0, N) 和 [A, B] 的常见写法差异

注意左闭右开 vs 左闭右闭——uniform_int_distribution 只支持闭区间，所以 [0, N) 要写成 dis(0, N-1)。

• 想要 [0, 99]（共 100 个数）→ std::uniform_int_distribution dis(0, 99)
• 想要 [0, 100)（即 0–99）→ 同上，不是 (0, 100)，因为后者是 [0,100]
• 想要 [1, 100] → dis(1, 100)，不是 dis(1, 99)
• 若 B ，行为未定义；务必确保构造时 a

没有内置的“左闭右开”版本，别试图绕过——强行用 dis(0, N-1) 最清晰可靠。

多线程下复用引擎和分布器的风险

std::mt19937 和 std::uniform_int_distribution 都不是线程安全的：它们内部有可变状态（如当前种子位置、缓存值）。多个线程同时调用 dis(gen) 可能导致数据竞争或未定义行为。

• 最简单方案：每个线程独占一个 gen + dis 组合
• 若需共享引擎（如节省内存），必须加锁，但会严重拖慢性能
• 切勿把同一个 gen 实例跨线程传递，哪怕只读也不行（某些引擎实现会惰性更新内部状态）
• std::random_device 通常线程安全，但仅用于初始化，不参与后续生成

真正容易被忽略的是：分布器对象虽轻量，但它和绑定的引擎存在隐式依赖；拷贝分布器没问题，但拷贝后仍需传入对应引擎实例，不能混用。