17370845950

C++中推荐使用C++11的库替代传统rand()函数。1. rand()范围小、分布不均、线程不安全；2. 库通过引擎、种子生成器和分布三者分离，提供高质量、可控制的随机数；3. 示例显示避免取模偏差，支持多种分布；4. 可复用引擎提升性能；5. 新项目应优先选用，旧代码建议逐步替换。

在C++中生成随机数，有两种主流方式：传统的 rand() 函数和C++11引入的 库。虽然两者都能实现随机数生成，但在性能、分布质量、可控制性等方面存在显著差异。

传统 rand() 函数的基本用法与局限

rand() 来自C语言的 stdlib.h，使用简单但问题较多：

• 生成的是0到RAND_MAX之间的整数（通常为32767），范围有限
• 默认种子固定，不调用 srand() 会导致每次运行程序产生相同序列
• 数值分布可能不均匀，尤其用取模操作获取指定范围时容易产生偏移
• 线程安全性差，多个线程同时调用可能导致状态冲突

示例代码：

C++11 库的优势与基本结构

C++11的 库提供了更现代、更灵活的随机数机制，核心由三部分组成：

• 引擎（Engine）：如 std::mt19937，基于梅森旋转算法，周期长、分布均匀
• 种子生成器（Seed generator）：如 std::random_device，提供真随机种子
• 分布（Distribution）：控制输出格式，如整数、浮点、正态分布等

这种分离设计让开发者能精确控制随机行为。

实际使用示例：生成高质量随机数

以下是如何用 生成0~99之间的整数：

这段代码避免了取模偏差，且每次运行结果不同，适合对随机性要求高的场景。

高级用法：多种分布与性能优化

支持多种分布类型，满足不同需求：

• std::uniform_real_distribution：生成浮点数
• std::normal_distribution：正态分布，适合模拟自然现象
• std::bernoulli_distribution：伯努利试验，返回true/false

对于性能敏感场景，可复用引擎实例，避免频繁构造：

这样可以在多个函数间共享同一个高质量随机引擎。

基本上就这些。相比老旧的 rand()，C++11的 库在随机质量、灵活性和线程安全上全面胜出，推荐新项目一律使用。旧代码若依赖 rand()，也应考虑逐步替换。