C++11起最可靠高效浮点随机数方案是std::uniform_real_distribution配合std::mt19937；rand()因分辨率低、周期短、线程不安全且区间控制差而应避免。
直接用 std::uniform_real_distribution 配合 std::mt19937，是 C++11 以来最可靠、最高效、最易控的浮点随机数生成方式；手写线性同余或用 rand() 不仅慢、质量差，还容易因范围映射出错导致分布不均。
为什么不能直接用 rand() 生成 [0,1) 浮点数
常见错误是写成 (double)rand() / RAND_MAX —— 这看似合理，但问题极多：
-
RAND_MAX通常只有 32767，分辨率极低，生成的浮点数最多只有 15 个有效离散值在 [0,1) 内 -
rand()本身周期短、低位比特相关性强，rand() % N或除法映射后会放大偏差 - 无法指定精度（如 float vs double）、无法控制开闭区间、无法复现种子
- 多线程下
rand()全局状态不安全，而std::mt19937可每个线程独享实例
std::uniform_real_distribution 的区间行为必须看清楚
这个分布默认生成的是 [a, b) 半开区间，不是 [a, b]。比如 uniform_real_distribution<float>(0.0f, 1.0f)</float> 永远不会返回 1.0f，但可能返回 0.0f。
- 若需要
[0, 1]，得用uniform_real_distribution<float>(0.0f, 1.0f + std::numeric_limits<float>::epsilon())</float></float>再截断，但一般不推荐——浮点表示本就不支持真正“闭区间均匀” - 若用
double分布生成float结果，不要写dist(gen)后强转，应直接声明为uniform_real_distribution<float></float>，避免多余精度计算和潜在舍入抖动 - 构造时传入的上下界类型必须与模板参数一致：
uniform_real_distribution<double>(0, 1)</double>中字面量会被推导为int，隐式转 double 没问题；但写成uniform_real_distribution<float>(0.0, 1.0)</float>就可能触发double构造函数重载，导致意外精度提升和性能损耗
高性能关键：引擎复用 + 分布对象复用 + 线程局部存储
每次生成都 new 引擎或重建分布对象，开销远超随机数本身。实测在循环中反复构造 mt19937，比复用慢 10 倍以上。
立即学习“C++免费学习笔记（深入）”；
- 把
std::mt19937和uniform_real_distribution定义为函数静态变量或类成员，而非循环内局部变量 - 多线程场景下，绝不要共享同一个
mt19937实例；用thread_local static std::mt19937 gen{std::random_device{}()}是安全且零同步开销的做法 - 如果需不同范围（如 [−2.0, 5.0) 和 [0.1, 0.9)），分别定义两个分布对象，别反复调用
param()修改——虽然合法，但某些标准库实现会清空内部缓存，影响吞吐 - 对极致性能敏感场景（如蒙特卡洛模拟每秒亿级采样），可考虑用
std::mt19937_64配合手动位运算生成双精度，但绝大多数应用完全没必要
#include <random>
#include <iostream>
// 线程安全、高性能、可复现的 [0,1) float 生成器
thread_local static std::mt19937 gen{std::random_device{}()};
thread_local static std::uniform_real_distribution<float> dist(0.0f, 1.0f);
float fast_random_float() {
return dist(gen);
}
// 若需固定种子用于测试
void seed_generator(unsigned int s) {
gen.seed(s);
}
真正难的不是写对这十几行，而是意识到：浮点随机数的质量缺陷往往在长期统计中才暴露，比如训练神经网络时权重初始化偏差导致收敛变慢，而单次输出看着“挺随机”。所以别省那几行代码，老实用标准库的分布器，把种子、类型、区间语义一次理清。
