目录

• 从前的随机数
• 随机数库（Random Number Library）
• 随机数引擎
• 随机数分布类
• 生成平均分布的整数
• 生成平均分布的实数
• 生成正态分布的实数
• 生成概率可控的布尔值
• 补充：真正的随机数
• 总结

从前的随机数

C++11之前，无论是C，还是C++都使用相同方式的来生成随机数，代码大致如下：

由于rand()产生的是伪随机数，所以需要为rand函数提供种子。种子不同产生的随机数序列也不同。通常的做法是调用srand(time(0)），由于time返回的是系统时间，每秒都会不同，所以产生的随机数相同几率就会变得很小。

这种方式有一个难点，就是不容易控制输出结果的范围。特别是希望不是均匀分布的时候就更难。

随机数库（Random Number Library）

C++11中提供了随机数库，包括随机数引擎类（random-number engines）和随机数分布类(random-number distribution)。二者一般配合使用。

随机数引擎

标准库提供了多重随机数引擎，这里以default_random_engine类为例进行说明。

到这里为止，和之前的方式没有什么本质区别，只是形式不同。别忙，接着往下看。

随机数分布类

C++11通过随机数分布类来控制随机数引擎生成的随机数的分布情况。

生成平均分布的整数

代码中使用uniform_int_distribution<int>来控制随机数引擎生成0到10之间的整数。

生成平均分布的实数

代码中使用uniform_real_distribution来控制随机数引擎生成0到10之间的实数。

生成正态分布的实数

代码中使用normal_distribution<>来控制随机数引擎生成均值为2，标准差为0.25的正态分布数据。

生成概率可控的布尔值

代码中使用bernoulli_distribution来控制随机数引擎生成布尔值随机数，其中1的概率为0.3。

输出结果

补充：真正的随机数

C++11还提供了一个random_device随机数类。它并不是由某一个数学算法得到的随机序列，而是通过读取文件，读什么文件看具体的实现(Linux可以通过读取/dev/random文件来获取)。文件的内容是随机的，因为文件内容是计算机系统的熵（熵指的是一个系统的混乱程度）。也是当前系统的环境噪声，系统噪音可以通过很多参数来评估，如内存的使用，文件的使用量，不同类型的进程数量等等。Linux的熵来自键盘计时、鼠标移动等。

不过gcc好像并没有很好地实现这个类，我手里的Mingw4.9.0就不随机，每次运行都得到同样的序列。

总结

如果看一下C++11标准库，你会发现还有很多种随机数引擎类和随机数分布类。需要的时候去学吧。