生成随机数

 C语言中生成随机数的方法：

#include <time.h>
#include <stdlib.h>

int main()
{
    srand(time(NULL)); //为rand函数提供种子
    printf("%d\n", rand() % 10); //输出一个随机数，范围为0-9
    printf("%d\n", rand() % 10 + 1); //输出一个随机数，范围为1-10

    return 0;
}

  C++11中生成随机数需要随机数引擎类default_random_engine，包含头文件<random>：

#include <random>

default_random_engine e; //随机数引擎类
for (size_t i = 0; i < 5; ++i)
    cout << e() << ", "; //生成原始随机数，输出为3499211612, 581869302, 3890346734, 3586334585, 545404204

 指定生成的随机数区间需要随机数分布类uniform_int_distribution：

void RandPrint() { default_random_engine e; uniform_int_distribution<unsigned> u(0, 100); //随机数分布类，生成的随机数在0-100之间

    for (size_t i = 0; i < 10; ++i) cout << u(e) << endl; //将u作为随机数源，生成10个随机数
}

 上面的RandPrint()如果两次调用的话会发现生成的随机数是相同的，要每次调用RandPrint生成不同的随机数需要引擎和分布对象保持状态，因此可以将他们定义为static来实现：

void RandPrint() { static default_random_engine e; static uniform_int_distribution<unsigned> u(0, 100); //随机数分布类，生成的随机数在0-100之间

    for (size_t i = 0; i < 10; ++i) cout << u(e) << endl; //将u作为随机数源，生成10个随机数
}

 上面的函数每次运行程序都会生成相同的随机数，如果每次运行程序都要生成不同的随机数需要提供一个“种子”。“种子”就是一个数值，可以在引擎对象创建的时候提供种子，也可以调用引擎的seed()成员来设置种子：

#include "stdafx.h" #include <Windows.h> #include <iostream> #include <ctime> #include <random>
using std::default_random_engine; using std::uniform_int_distribution; using std::cout; using std::endl; void RandPrint(long long llSeeds) { static default_random_engine e; e.seed(llSeeds); static uniform_int_distribution<unsigned> u(0, 100); //随机数分布类，生成的随机数在0-100之间

    for (size_t i = 0; i < 10; ++i) cout << u(e) << ", "; //将u作为随机数源
} int main() { RandPrint(100); RandPrint(100); //上面两次生成的随机数相同，因为种子相同
 RandPrint(time(0)); Sleep(2000); RandPrint(time(0)); //上面两次生成的随机数相同，因为种子不同

    return 0; }

 生成浮点类型的随机数，使用uniform_real_distribution：

void RandPrint(long long llSeeds) { static default_random_engine e; e.seed(llSeeds); static uniform_real_distribution<double> u(0, 1); //随机数分布类，生成的随机数在0-1之间

    for (size_t i = 0; i < 10; ++i) cout << u(e) << ", "; //将u作为随机数源
} int main() { RandPrint(time(0)); return 0; }

 以上的uniform_int_distribution、uniform_real_distribution随机数分布对象都是均匀分布，我们还可以使用非均匀分布的随机数分布对象来生成非均匀随机数，如伯努利分布bernoulli_distribution、、正态分布normal_distribution等：

 default_random_engine e; bernoulli_distribution b(0.5); //以50%的概率生成true
    for (size_t i = 0; i < 10; ++i) cout << b(e) << ", "; //输出为1, 0, 0, 1, 1, 0, 1, 0, 0, 0

 随机数分布类还有一个成员函数reset()，它重建随机数分布对象的状态，使随后对该对象的使用不依赖于它已经生成的值。