std::discrete_distribution是标准库提供的加权随机索引选择最直接可靠的实现，接受权重序列构造，返回按比例分布的下标；需避免负权、全零权、整数溢出及浮点精度问题。
用 std::discrete_distribution 最直接可靠
标准库已提供加权随机索引选择的完整实现，无需手写轮子。核心是 std::discrete_distribution，它接受一组权重（可为整数或浮点数），返回对应下标的整数随机值。
常见错误是传入负权重或全零权重——这会导致构造时抛出 std::invalid_argument；另外权重不需归一化，但过大可能引发浮点精度问题（尤其用 double 时权重和超过 1e16）。
典型用法：
#include <random>
#include <vector>
std::vector<double> weights = {1.0, 3.0, 2.0}; // 权重：索引0概率1/6，1概率3/6，2概率2/6
std::random_device rd;
std::mt19937 gen(rd());
std::discrete_distribution<size_t> dist(weights.begin(), weights.end());
size_t idx = dist(gen); // 每次调用返回 0、1 或 2，按权重比例分布
权重为整数时要注意溢出和构造开销
当权重全是小整数（如 {1, 5, 3}），std::discrete_distribution 内部会构建累计和数组，时间复杂度 O(n)，空间 O(n)。对静态权重可只构造一次，反复复用 dist 对象。
立即学习“C++免费学习笔记（深入）”；
若权重极大（比如 int 接近 INT_MAX），累计和可能溢出——此时应显式转为更大的类型（如 long long）再传入迭代器范围，否则行为未定义。
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
- 不要用
std::vector<int>::iterator直接传给discrete_distribution<int>，若总和超int范围会静默截断 - 更安全的做法：用
std::vector<long long>存权重，再用discrete_distribution<size_t>构造 - 若权重固定且数量极少（≤4），手写 if-else 分支反而更快，避免分布对象构造和查表开销
手动实现别用 rand()，也别自己写累积+二分
很多旧代码用 rand() % N 配权重数组，这是错的：rand() 周期短、低位随机性差，且模运算会扭曲分布。C++11 后必须用 std::uniform_real_distribution 配合引擎。
自己写前缀和 + std::lower_bound 并非不行，但容易漏掉边界处理：
- 累计和数组必须严格递增（权重为 0 时要跳过，否则
lower_bound可能越界） - 生成的随机值范围必须是
[0, total_weight)，不是[0, total_weight]—— 后者会导致越界访问 - 浮点权重下，用
double累计和比float更稳妥，尤其权重数量多时
性能敏感场景下预生成 vs 实时计算
如果权重每轮都变，而样本量又大（比如每秒选百万次），discrete_distribution 的每次构造开销不可忽略。这时应把累计和逻辑抽出来，手写一个轻量类缓存前缀和，仅在权重变更时重算。
但如果权重不变，只换引擎（如不同线程用不同 gen），直接复用同一个 dist 对象即可——它本身是无状态的，线程安全（只要不同时调用 operator() 传入同一引擎）。
真正容易被忽略的是：权重为 0 的索引仍占用分布中的槽位，但永远无法被选中；若业务上需要“动态剔除”，得先过滤掉零权重点再构造分布，而不是依赖运行时跳过。
