高质量随机数需“引擎+分布”配合：推荐std::mt19937或std::mt19937_64引擎，用std::random_device初始化种子；再搭配uniform_int_distribution等分布对象生成指定范围/类型的随机值；引擎和分布应复用，避免重复构造，多线程需各自实例。
用 std::random 生成高质量随机数，核心是“引擎 + 分布”配合使用，不直接调用 rand() 或 std::rand —— 那些早已过时、分布差、可预测。
选对随机数引擎（engine）
引擎负责产生均匀分布的原始整数序列。常用且推荐的是：
-
std::mt19937：Mersenne Twister 算法，32 位，速度快、周期长（2¹⁹⁹³⁷−1），适合绝大多数场景 -
std::mt19937_64：64 位版本，需要更大范围或更高统计质量时用 -
std::random_device：不是引擎，是真正的硬件熵源（如 /dev/urandom），用于安全地初始化引擎种子
别用 std::default_random_engine —— 它具体实现依赖编译器，不可移植、质量无保障。
用分布（distribution）转换数值范围和类型
引擎输出的是大整数，要得到指定范围、指定类型的随机值，必须套一层分布对象：
立即学习“C++免费学习笔记（深入）”；
-
std::uniform_int_distribution<int>(a, b)：生成 [a, b] 区间内等概率整数 -
std::uniform_real_distribution<double>(low, high)：生成 [low, high) 区间内等概率浮点数 -
std::normal_distribution<double>(mean, stddev)：正态分布（高斯）
注意：分布对象是轻量级的，可复用；每次调用 dist(engine) 才真正生成一个随机数。
正确初始化与复用（避免常见坑）
错误做法：每次生成都新建引擎 + 新种子 → 种子相同 → 全是重复数。
- 用
std::random_device一次生成真随机种子：std::random_device rd; std::mt19937 gen(rd()); - 引擎和分布对象建议定义为 局部静态 或类成员，避免频繁构造；不要在循环里反复创建
- 若需多线程安全，每个线程应持有自己的引擎实例（
thread_local std::mt19937 gen(rd());）
完整示例：生成 5 个 [1, 10] 的随机整数
<random> 头文件不能少
#include <random>
#include <iostream>
int main() {
std::random_device rd; // 真随机种子源
std::mt19937 gen(rd()); // 引擎，用 rd 初始化
std::uniform_int_distribution<int> dist(1, 10); // [1, 10] 整数分布
for (int i = 0; i < 5; ++i) {
std::cout << dist(gen) << ' '; // 每次调用 dist(gen) 生成一个新数
}
return 0;
}
基本上就这些。不复杂但容易忽略细节：引擎 ≠ 分布，种子 ≠ 随机数，线程不共享引擎 —— 把这三点记牢，你就已经比用 rand() % N 的人强多了。
