C++中生成随机数推荐使用C++11 random库，因其随机性好、分布均匀且功能丰富；传统rand()函数虽简单但存在分布不均、随机性弱等缺点，适用于简单场景，新项目应优先选用random库。
在C++中生成随机数，主要有两种方式：使用传统的 rand() 函数和现代的 C++11 random 库。前者来自C语言标准库，简单但存在局限；后者功能更强大、分布更均匀，推荐在新项目中使用。
使用 rand() 函数生成随机数
rand() 是 cstdlib 头文件中的函数，返回一个0到RAND_MAX之间的整数（通常为32767）。要生成指定范围内的随机数，常用取模运算。
注意：srand() 必须调用一次来设置种子，否则每次程序运行都会得到相同的“随机”序列。
示例代码：
立即学习“C++免费学习笔记（深入）”；
#include <cstdlib>#include <iostream>
#include <ctime>
int main() {
srand(static_cast<unsigned int>(time(0))); // 以当前时间作为种子
int random_num = rand() % 100; // 生成 0~99 的随机数
std::cout << "随机数: " << random_num << std::endl;
return 0;
}
缺点：
- 随机数分布不均匀，尤其取模后低端值概率偏高
- RAND_MAX 值较小，随机性有限
- 线程安全性差
- 缺乏对分布类型的支持（如正态分布）
使用 C++11 random 库（推荐）
C++11 引入了 <random> 头文件，提供了更灵活、高质量的随机数生成机制。核心由三部分组成：
- 引擎（Engine）：如 std::mt19937，梅森旋转算法，生成高质量伪随机数
- 分布（Distribution）：定义随机数的分布方式，如均匀分布、正态分布等
- 种子生成器（可选）：如 std::random_device，用于生成真随机种子
示例：生成 1~100 的均匀分布整数
#include <iostream>#include <random>
int main() {
std::random_device rd; // 真随机种子源
std::mt19937 gen(rd()); // 随机数引擎
std::uniform_int_distribution<int> dis(1, 100); // 分布范围 [1, 100]
int random_num = dis(gen);
std::cout << "随机数: " << random_num << std::endl;
return 0;
}
支持多种分布类型：
- std::uniform_real_distribution<double>：生成浮点型均匀分布
- std::normal_distribution<double>：正态分布
- std::bernoulli_distribution：伯努利分布（true/false）
如何选择？
如果只是写个小测试或学习用途，rand() 足够简单。但在实际开发、科学计算或需要高质量随机性的场景中，C++11 random 库是首选。它不仅提供更好的随机性，还能精确控制分布形态，代码也更清晰易读。
基本上就这些。新项目尽量用 random 库，老代码维护时注意 rand() 的坑。
