c++中推荐使用<random>库生成随机数。①传统方法用rand()和srand(time(0))，但分布不均、周期短；②现代C++推荐mt19937引擎配合uniform_int_distribution等分布类型，结合random_device初始化种子，可获得高质量、均匀分布的随机数，适用于C++11及以上版本。
在C++中生成随机数有多种方法，不同标准下的推荐方式也有所不同。下面详细介绍C++中常用的随机数生成方式，包括旧式和现代C++推荐的方法。
使用 <cstdlib> 中的 rand() 函数（传统方法）
这是c语言沿用下来的方式，在简单场景中仍可使用，但不推荐用于需要高质量随机数的场合。
示例代码：
#include <cstdlib>
#include <iostream>
using Namespace std;
int main() {
srand(time(0)); // 以当前时间作为种子
int random_num = rand(); // 生成0到RAND_MAX之间的随机数
cout << “随机数: ” << random_num << endl;
// 生成指定范围内的随机数，例如 [1, 100]
int range_random = rand() % 100 + 1;
cout << “1到100之间的随机数: ” << range_random << endl;
return 0;
}
说明：
- rand()：生成0到RAND_MAX（通常为32767）之间的整数。
- srand(seed)：设置随机数种子，常用
time(0)确保每次运行结果不同。 - rand() % N + M：生成[M, M+N-1]范围内的整数。
缺点： rand() 分布不均匀、周期短、跨平台行为不一致。
使用 <random> 头文件（C++11 及以后推荐）
C++11 引入了功能强大且更可靠的随机数库 <random>，建议在新项目中使用。
示例代码：
#include <iostream>
#include <random>
using namespace std;
int main() {
// 随机数引擎（生成器）
mt19937 gen(random_device{}()); // 使用梅森旋转算法，推荐
// 定义分布
uniform_int_distribution<int> dist(1, 100); // [1, 100] 的整数分布
// 生成随机数
int random_num = dist(gen);
cout << “1到100之间的随机整数: ” << random_num << endl;
return 0;
}
核心组件说明：
- 随机数引擎：如
mt19937（32位梅森旋转）、mt19937_64、default_random_engine等，负责生成原始随机比特流。 - 随机设备：
random_device是一个真随机数源，常用于初始化种子。 - 分布类型：
-
uniform_int_distribution<T>：均匀整数分布 -
uniform_real_distribution<T>：均匀浮点分布 -
normal_distribution<T>：正态分布 - 还有泊松、指数等高级分布
-
常见用法示例
生成浮点数 [0.0, 1.0)
立即学习“C++免费学习笔记（深入）”；
uniform_real_distribution<double> dist(0.0, 1.0);
double d = dist(gen);
生成固定范围的整数 [a, b]
int a = 10, b = 50;
uniform_int_distribution<int> dist(a, b);
int num = dist(gen);
重复生成多个随机数
for (int i = 0; i < 5; ++i) {
cout << dist(gen) << ” “;
}
// 输出类似：13 45 22 37 29
优点：
- 分布均匀，统计性能好
- 支持多种分布类型
- 类型安全，可控制范围精确
- 跨平台一致性高
小结与建议
如果你使用的是C++11或更高版本，强烈建议使用 <random> 库代替 rand()。它不仅更现代、更灵活，而且避免了传统方法的诸多缺陷。
基本使用模式是：“随机引擎 + 分布”组合，搭配 random_device 初始化种子，即可获得高质量随机数。
基本上就这些。