C++中推荐使用库生成随机数。①传统方法用rand()和srand(time(0))，但分布不均、周期短；②现代C++推荐mt19937引擎配合uniform_int_distribution等分布类型，结合random_device初始化种子，可获得高质量、均匀分布的随机数，适用于C++11及以上版本。
在C++中生成随机数有多种方法，不同标准下的推荐方式也有所不同。下面详细介绍C++中常用的随机数生成方式，包括旧式和现代C++推荐的方法。
使用 中的 rand() 函数（传统方法）
这是C语言沿用下来的方式，在简单场景中仍可使用，但不推荐用于需要高质量随机数的场合。
示例代码：
#include
#include iostream>
using namespace std;
int main() {
srand(time(0)); // 以当前时间作为种子
int random_num = rand(); // 生成0到RAND_MAX之间的随机数
cout
// 生成指定范围内的随机数，例如 [1, 100]
int range_random = rand() % 100 + 1;
cout
return 0;
}
- rand()：生成0到RAND_MAX（通常为32767）之间的整数。
-
srand(seed)：设置随机数种子，常用
time(0)确保每次运行结果不同。 - rand() % N + M：生成[M, M+N-1]范围内的整数。
使用 头文件（C++11 及以后推荐）
C++11 引入了功能强大且更可靠的随机数库
#include
#include
using namespace std;
int main() {
// 随机数引擎（生成器）
mt19937 gen(random_device{}()); // 使用梅森旋转算法，推荐
// 定义分布
uniform_int_distribution
// 生成随机数
int random_num = dist(gen);
cout
return 0;
}
-
随机数引擎：如
mt19937（32位梅森旋转）、mt19937_64、default_random_engine等，负责生成原始随机比特流。 -
随机设备：
random_device是一个真随机数源，常用于初始化种子。 -
分布类型：
-
uniform_int_distribution：均匀整数分布 -
uniform_real_distribution：均匀浮点分布 -
normal_distribution：正态分布 - 还有泊松、指数等高级分布
-
常见用法示例
生成浮点数 [0.0, 1.0)
立即学习“C++免费学习笔记（深入）”；
uniform_real_distribution
double d = dist(gen);
生成固定范围的整数 [a, b]
int a = 10, b = 50;
uniform_int_distribution
int num = dist(gen);
重复生成多个随机数
for (int i = 0; i
cout
}
// 输出类似：13 45 22 37 29
- 分布均匀，统计性能好
- 支持多种分布类型
- 类型安全，可控制范围精确
- 跨平台一致性高
小结与建议
如果你使用的是C++11或更高版本，强烈建议使用 rand()。它不仅更现代、更灵活，而且避免了传统方法的诸多缺陷。
基本使用模式是：“随机引擎 + 分布”组合，搭配 random_device 初始化种子，即可获得高质量随机数。
