推荐使用C++11的库生成随机数。传统rand()方法存在分布不均、线程不安全等问题，而库通过引擎（如std::mt19937）和分布（如std::uniform_int_distribution）提供高质量、可控制、线程安全的随机数，支持多种分布类型，建议新项目使用，并将引擎声明为static以提高效率。
在C++中生成随机数有多种方法，随着语言标准的演进，推荐的方式也在变化。下面详细介绍从传统到现代C++中常用的随机数生成方式，帮助你写出更可靠、更高效的代码。
使用 中的 rand()（旧式方法）
这是C语言沿用下来的方法，简单但不推荐用于高质量随机场景。
基本用法：- 调用 srand() 设置种子（通常用 time(0)）
- 使用 rand() 获取随机整数（范围：0 到 RAND_MAX）
示例：
#include#include
#include
int main() {
srand(time(0)); // 设置种子
int r = rand() % 100; // 生成 0-99 的随机数
std::cout return 0;
}
缺点： 分布不均、周期短、线程不安全、不可移植。
立即学习“C++免费学习笔记（深入）”；
使用 头文件（C++11 及以后推荐）
C++11 引入了功能强大且灵活的随机数库，推荐用于所有新项目。
核心组件：
-
引擎（Engine）：如 std::mt19937（梅森旋转算法）
- 分布（Distribution）：控制随机数的范围和分布类型
示例：生成 1-100 的均匀分布整数
#include#include
int main() {
std::random_device rd; // 真实随机种子（可选）
std::mt19937 gen(rd()); // 随机数引擎
std::uniform_int_distribution
int r = dis(gen);
std::cout return 0;
}
常用分布类型：
-
std::uniform_int_distribution
：整数均匀分布 -
std::uniform_real_distribution
：浮点数均匀分布 -
std::normal_distribution
：正态分布 - std::bernoulli_distribution：伯努利分布（true/false）
优点： 高质量随机性、可预测性控制、支持多种分布、线程安全。
快速生成小范围随机数的简化写法
如果不需要高精度，可以简化初始化过程：
static std::mt19937 gen(std::random_device{}());std::uniform_int_distribution
int random_num = dist(gen);
将引擎定义为 static 可避免重复构造，适合在函数中频繁调用。
注意事项与最佳实践
- 不要每次生成都重新设置种子（如放循环内），会导致重复值
- 避免只用 rand() % N，它会产生偏移（低位随机性差）
- 多线程环境下，每个线程应使用独立的随机引擎实例
- 需要可重现结果时，使用固定种子（如 gen(12345)）
基本上就这些。对于新项目，坚持使用
