推荐使用std::mt19937等现代引擎，结合std::random_device初始化种子，并搭配分布器生成指定范围的随机数，避免重复播种和使用rand() % N等错误做法，以确保高质量、可移植和高性能的随机数生成。
在C++11之前，生成随机数主要依赖于C语言的rand()和srand()函数，但这些方法存在分布不均、周期短、线程安全性差等问题。C++11引入了<random>头文件，提供了一套现代化、灵活且高质量的随机数生成机制。本文将介绍C++11中随机数引擎的最佳实践，帮助你写出更可靠、可预测、高性能的随机代码。
使用合适的随机数引擎
C++11提供了多种随机数引擎，每种适用于不同场景。选择一个合适的引擎是关键的第一步。
推荐使用的引擎：
- std::mt19937：基于梅森旋转算法，周期长达2^19937−1，适合大多数通用场景。生成32位整数，速度快，分布质量高。
- std::mt19937_64：64位版本的梅森旋转，适合需要大范围随机整数的场景。
- std::minstd_rand：线性同余生成器，轻量级，适合性能敏感但对随机质量要求不高的场合。
避免使用std::default_random_engine，因为它在不同编译器上可能映射到不同的底层引擎，影响可移植性和结果一致性。
立即学习“C++免费学习笔记（深入）”；
正确初始化种子（Seed）
随机数序列的质量很大程度上取决于种子的初始化方式。使用固定种子会导致每次运行程序产生相同的序列，不利于测试或模拟。
最佳做法是使用std::random_device来获取非确定性种子：
std::random_device rd; // 非确定性种子源 std::mt19937 gen(rd()); // 使用随机设备初始化梅森旋转引擎
注意：std::random_device在某些平台（如Windows MinGW）可能退化为伪随机，建议在关键应用中检查其entropy()值是否大于0，或结合时间戳增强种子多样性：
std::seed_seq seed{rd(), static_cast<unsigned int>(std::time(nullptr))};
std::mt19937 gen(seed);
搭配分布器使用（Distribution）
引擎只负责生成均匀分布的整数，要获得特定分布（如均匀实数、正态分布等），必须配合分布器使用。
常见分布示例：
- 生成[1, 100]之间的整数： std::uniform_int_distribution<int> dist(1, 100);
- 生成[0.0, 1.0)之间的浮点数： std::uniform_real_distribution<double> dist(0.0, 1.0);
- 生成标准正态分布： std::normal_distribution<double> dist(0.0, 1.0);
使用方式：
std::random_device rd; std::mt19937 gen(rd()); std::uniform_int_distribution<int> dist(1, 6); int dice_roll = dist(gen); // 模拟掷骰子
避免常见错误
以下是一些新手容易犯的错误：
-
每次生成都重新播种：不要在循环中反复调用
gen.seed()，这会破坏随机性。 - 重复创建引擎和分布器：引擎和分布器应复用，频繁创建影响性能。
-
误用
rand() % N：模运算会导致分布偏斜，应使用std::uniform_int_distribution代替。
基本上就这些。掌握C++11的随机数设施，能让你写出更现代、更安全、更可维护的代码。关键是：选对引擎、正确播种、搭配分布、避免陷阱。
