C++11 库优于 rand()：它分离随机源与分布，std::mt19937 引擎配合 std::uniform_int_distribution 可精准生成闭区间整数，避免偏差；浮点分布默认左闭右开，需手动处理闭区间；多线程须隔离引擎实例。
为什么 rand() 不该再用了
因为不可靠：默认种子只在程序启动时设一次，rand() % N 会产生严重偏差（尤其当 N 不是 RAND_MAX + 1 的约数），且无法控制分布类型。C++11 的
-
std::random_device提供真随机或高质量伪随机种子（注意：某些平台如 MinGW 可能退化为常量，建议只用于初始化） -
std::mt19937（Mersenne Twister）是推荐的默认引擎，周期长、速度快、统计性质好 - 分布对象（如
std::uniform_int_distribution）负责把引擎输出的整数映射成你需要的范围和类型，不修改引擎状态
std::uniform_int_distribution 怎么用才不越界
它的构造参数是闭区间 [a, b]，不是半开区间。传入 0, 9 就生成 0~9 共 10 个整数，这点和 Python 的 random.randint 一致，但和 C 的 rand() % 10 表面结果相同、底层逻辑完全不同。
std::random_device rd; std::mt19937 gen(rd()); std::uniform_int_distributiondist(1, 6); // 生成 1~6 的整数，不是 1~5 int dice = dist(gen); // 每次调用都取新值，gen 状态自动推进
- 分布对象可复用，不必每次新建；但不要跨线程共享同一个
gen实例（无锁访问不安全） - 若需多个不同范围的随机数，定义多个分布对象，共用一个引擎实例即可
- 传入负数没问题：
std::uniform_int_distribution是合法的neg(-5, 5)
浮点随机数为什么不能直接用 std::uniform_real_distribution 默认构造
默认构造的 std::uniform_real_distribution 生成的是 [0.0, 1.0)，但很多场景需要 [0.0, 1.0] 或其他闭区间。注意：这个分布**不支持闭右端点**，标准规定它始终是左闭右开。
- 若要模拟「严格落在 [a,b] 内」，必须手动处理边界，例如：
a + (b - a) * dist(gen)中的dist仍是[0,1)，结果天然落在[a, b)—— 你无法让b被取到（除非引擎恰好输出最大可能值，概率极低） - 对精度敏感的场景（如蒙特卡洛积分），应避免用
float引擎配double分布；统一用std::mt19937_64+std::uniform_real_distribution - 不要用
std::random_device直接生成浮点数（它只产生整数），必须经分布转换
多线程下怎么避免 std::mt19937 状态冲突
引擎实例不是线程安全的：并发调用 operator() 会破坏内部状态。常见错误是全局/静态引擎变量被多个线程同时读写。
立即学习“C++免费学习笔记（深入）”；
- 最简单方案：每个线程持有一个独立的
std::mt19937实例（用std::random_device初始化，或用线程 ID + 时间戳做种子） - 若必须共享，加互斥锁（性能差，不推荐）；或改用无状态函数式接口（如 C++17 的
std::scoped_allocator_adaptor不适用，这里没捷径） - 注意：
std::random_device本身是线程安全的，但频繁调用可能耗尽熵池（Linux 下 /dev/random 阻塞），建议仅用于种子生成
真正麻烦的是调试时发现随机序列“突然重复”——往往是因为多个线程误用了同一个引擎对象，或者种子全用 time(nullptr) 导致初始化雷同。分布函数本身无状态，问题永远出在引擎生命周期管理上。
