前言
一直知道所谓的"随机数"都是伪随机，事实上也是满足某种规则生成的。有些程序测试时通常需要一个随机数源，但在新标准出现之前，C++都是依赖简单的C库函数rand来生成随机数的。最近突然看到了C++11中的随机数发生器，简直如获珍宝，下面会谈一谈这两者的区别。
如何产生随机数
利用C库函数
头文件<stdlib.h>，但是注意在linux下stdlib.h包含srandom 和random ，但在VC下stdlib.h包含的是srand和rand
x = rand()%11; /*产生1~10之间的随机整数*/
y = rand()%51 - 25; /*产生-25 ~ 25之间的随机整数*/
z = ((double)rand()/RAND_MAX)*(b-a) + a;/*产生区间[a,b]上的随机数*/
整理一下常见的产生随机数的通用表达公式为:
取得(0,x)的随机整数：rand()%x；
取得(a,b)的随机整数：rand()%(b-a)；
取得[a,b)的随机整数：rand()%(b-a)+a；
取得[a,b]的随机整数：rand()%(b-a+1)+a；
取得(a,b]的随机整数：rand()%(b-a)+a+1；
取得0-1之间的浮点数：rand()/double(RAND_MAX)
比如说随便写个函数：
#define random(x) (rand()%x)
int main()
{
for (int i = 0; i < 10; ++i)
cout << random(11) << " ";
cout << endl;
system("pause");
}
你会发现两次运行这一段程序输出结果是一样的，说明rand这个函数所生成的随机数是一次性的，为了改进这一点，我们可以利用srand()函数，srand()是用来设置rand()产生随机数时的随机数种子。在调用rand()函数产生随机数前，必须先利用srand()设好随机数种子（seed）, 如果未设随机数种子, rand()在调用时会自动设随机数种子为1。上面的两个例子就是因为没有设置随机数种子，每次随机数种子都自动设成相同值1 ，进而导致rand()所产生的随机数值都一样。
而我们一般会用时间来做为种子:
#include<iostream>
#include<cstdlib>
#include<ctime>
using namespace std;
#define random(a,b) (((double)rand()/RAND_MAX)*(b-a)+a)
void main() {
srand((int)time(0));
for (int i = 0; i < 100; i++) {
cout << random(0, 10) << " ";
}
cout << endl;
system("pause");
}
C++随机数发生器
随机数发生器=随机数引擎+随机数分布类
由于C库函数生成的为均匀分布的伪随机整数，但是如果我们需要非均匀分布的数的话，就会手工转换rand生成的随机数的范围、类型和分布，这样又引入了非随机性，不妥。所以我们可以用定义在头文件random中的随机数库通过一组写作的类来解决这些问题:随机数引擎和随机数分布类。引擎是用来生成随机unsigned整数序列的，分布是使用引擎返回服从特定概率分布的随机数。
首先利用引擎来产生随机数:
#include<iostream>
#include<random>
#include<ctime>
using namespace std;
void main() {
default_random_engine e; //生成随机无符号数
for (size_t i = 0; i < 10; ++i)
cout << e() << " ";
cout << endl;
cout << "seed Random:" << endl;
e.seed(int(time(0)));
for (size_t i = 0; i < 10; ++i)
cout << e() << " ";
system("pause");
}
//OUTPUT:
3499211612 581869302 3890346734 3586334585 545404204 4161255391 3922919429 949333985 2715962298 1323567403
seed Random:
1209134335 963543660 450936573 838635935 555864927 2629301182 2752494759 772597830 1658101593 1483430385
但是一般来说，随机数引擎的输出是不能直接使用的，因为生成的随机数的值范围通常与我们需要的不符，所以还要加上分布类型，我们再给个完整的例子体会一下:
#include<iostream>
#include<random>
#include<string>
using namespace std;
vector<unsigned> randVec()
{
static default_random_engine e;
static uniform_int_distribution<unsigned> u(0, 9);
vector<unsigned> ret;
for (size_t i = 0; i < 20; ++i)
ret.push_back(u(e));
return ret;
}
vector<float> normalVec()
{
cout << "正态分布:" << endl;
static default_random_engine e;
static normal_distribution<float> n(4, 1.5);//均值4，方差1.5
vector<float> res;
vector<unsigned> vals(9);
for (size_t i = 0; i != 20; ++i)
{
unsigned tmp = n(e);
unsigned v = lround(tmp);
if (v < vals.size())
++vals[v];
res.push_back(tmp);
}
for (size_t j = 0; j != vals.size(); ++j)
cout << j << ": " << string(vals[j], '*') << endl;
return res;
}
template<typename T>
void display(vector<T> a)
{
for (int i = 0; i < a.size(); ++i)
{
cout << a[i] << " ";
}
cout << endl;
}
void main() {
vector<unsigned> res;
res=randVec();
cout << "均匀分布:" << endl;
display(res);
vector<float> res2;
res2 = normalVec();
display(res2);
system("pause");
}
结果如下：
更多的分布参数设置见下图:
