高性能Piecewise随机数生成需避开标准库限制：一、别名法实现O(1)离散采样；二、分段线性PDF用预积分+二分+解析逆变换；三、原型可用std::piecewise_constant_distribution；四、批量场景用AVX2向量化加速。
如果您需要在C++中生成符合非均匀分布（如分段线性、分段常数）的随机数，且对性能有较高要求，则不能依赖标准库中仅支持均匀分布的std::uniform_real_distribution。以下是实现高性能Piecewise分布随机数生成器的具体方法：
一、基于别名法（Alias Method）的O(1)查表生成
别名法将任意离散概率质量函数预处理为两个长度为n的数组：概率数组和别名数组，使得每次采样仅需一次均匀随机索引访问与一次伯努利判断，时间复杂度恒为O(1)，适合高吞吐场景。
1、定义输入概率向量std::vector<double> pmf</double>，确保元素非负且和为1。
2、归一化输入并构造别名表：分配std::vector<double> prob</double>和std::vector<size_t> alias</size_t>，使用Vose算法完成O(n)预处理。
立即学习“C++免费学习笔记（深入）”；
3、初始化一个std::random_device和std::mt19937_64引擎，搭配std::uniform_int_distribution<size_t></size_t>生成索引i。
4、再用std::uniform_real_distribution<double></double>生成u∈[0,1)，若u < prob[i]则返回i，否则返回alias[i]。
二、分段线性PDF的逆变换采样（带分段预积分）
对于连续Piecewise线性概率密度函数（PDF），可将其支撑区间划分为k个子段，在每段内PDF为线性函数；预先计算各段累积分布函数（CDF）端点值及解析反函数系数，使单次采样仅需一次二分查找加一次线性插值求逆。
1、输入k+1个横坐标节点std::vector<double> xs</double>和对应纵坐标std::vector<double> ys</double>，构成分段线性PDF。
2、遍历每段[i,i+1]，计算该段下面积area_i，并累加得总归一化因子total；随后构造CDF端点数组cdf_vals，其中cdf_vals[0]=0.0，cdf_vals[i+1] = cdf_vals[i] + area_i / total。
3、对每个段i，推导CDF在该段内的显式表达式，并解出其反函数形式：x = a_i * u + b_i * sqrt(c_i * u + d_i)（具体系数由ys[i], ys[i+1], xs[i], xs[i+1]决定）。
4、采样时先用std::lower_bound在cdf_vals中定位段索引j，再用均匀随机数u' = (u - cdf_vals[j]) / (cdf_vals[j+1] - cdf_vals[j])代入对应反函数计算返回值。
三、使用std::piecewise_constant_distribution进行快速原型验证
标准库提供的std::piecewise_constant_distribution直接支持分段常数PDF，底层已做优化，适用于调试或低频调用场景，但不支持分段线性，且内部使用线性搜索而非二分，最坏O(k)。
1、准备k个区间边界std::vector<double> boundaries</double>（长度k+1）和k个权重std::vector<double> weights</double>（无需归一化）。
2、构造分布对象：std::piecewise_constant_distribution
3、绑定至随机引擎后调用dist(gen)即可获得服从该分段常数分布的随机数。
四、SIMD加速的批量生成（AVX2实现）
当需一次性生成N个独立样本时，可利用AVX2指令并行处理多个候选索引与比较操作，显著提升吞吐率，尤其适合蒙特卡洛模拟等批量需求场景。
1、将别名表的prob数组按每8个元素一组加载至__m256d寄存器，同时广播8个均匀随机数u。
2、执行8路比较_mm256_cmp_pd判断u < prob[i]，生成掩码。
3、根据掩码混合选择原始索引或别名索引，结果写回输出数组。
4、关键路径中避免分支跳转，全部采用数据依赖的向量选择指令，确保单周期吞吐达8样本/时钟。
