std::shuffle能保证每种排列概率严格为1/n!，因其采用Fisher-Yates算法：从后往前遍历，每步在[0,i]内均匀随机选j交换，确保第i位被任意未固定元素填入的概率恒为1/(i+1)，连乘得1/n!；手写易错在循环边界、rand()%n分布偏差及正向遍历混淆范围。
std::shuffle 为什么能保证每种排列概率严格为 1/n!
它不是“靠经验调出来的”，而是把数学证明直接编进了循环逻辑里：每次迭代只在尚未固定的位置中做均匀采样，且交换后立即排除该位置参与后续随机。比如长度为 n 的数组，第 i 步（从 i = n-1 开始）只在 [0, i] 范围内选 j，这个区间恰好包含 i+1 个未被“钉死”的元素。这样，最后一个位置拿到任意一个元素的概率是 1/n，倒数第二个位置是 1/(n-1)，依此类推——连乘下来，每种排列出现概率就是 1/n × 1/(n-1) × … × 1/1 = 1/n!。
手写 for 循环时最容易破坏等概率的三个细节
自己实现 for (int i = n-1; i >= 0; --i) 看似没问题，但实际踩坑点很隐蔽：
-
i >= 0会多执行一次swap(arr[0], arr[0])，虽不报错，但若后续逻辑依赖交换次数（比如调试日志、hook 检测），可能引入非预期行为 - 用
rand() % (i+1)替代std::uniform_int_distribution<int>{0, i}(g)</int>：当RAND_MAX不能被i+1整除时，余数部分会被重复映射，导致前几个索引概率偏高 - 起始索引写成
i = 0并正向遍历，再配j = rand() % (i+1)，容易混淆“当前可选范围”——此时j应在[0, i]，但人眼扫代码时极易误读为[0, n-1]或[i, n-1]
为什么不能用 std::sort 配随机比较器
写成 std::sort(v.begin(), v.end(), [](auto&, auto&) { return rand() % 2; }) 是典型伪随机：
C++ Code Review Master
下载
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。
- 排序算法（如 std::sort 默认的 introsort）要求比较函数满足严格三态（
a<b>, <code>a==b,a>b）和传递性，而随机返回布尔值直接违反这两条 - V8 或 libstdc++ 的 sort 实现会利用局部有序性做优化，随机比较器会让这些优化变成“概率放大器”，某些排列出现频率可能高出理论值 2–3 倍
- 时间复杂度升到
O(n log n)，且结果不可复现——哪怕种子固定，不同 STL 版本或编译器都可能产出不同序列
std::shuffle 的引擎参数不是摆设
它强制你传入一个 UniformRandomBitGenerator，比如 std::mt19937，这背后有两层约束：
立即学习“C++免费学习笔记（深入）”；
- 避免使用全局
std::rand()：它线程不安全、种子默认为 1、分布质量差 - 引擎必须显式带种子，例如
std::mt19937 g{std::random_device{}()}；若只写std::mt19937 g，种子恒为 0，所有运行结果完全一致 - 若需测试复现，必须用固定种子（如
std::mt1937 g{12345}），而不是依赖std::random_device——后者在某些嵌入式环境可能返回常量
