C++随机数简述

原创于 2025-10-05 23:17:11 发布 · 361 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#c++ #算法 #开发语言

众所周知，随机数是大赛题目生成大数据和对拍~~或单纯骗分~~的常用方法

C++ 随机数生成方法

C++ 提供了多种生成随机数的方式，从传统的 rand() 函数到现代的 <random> 库。以下是几种常见的方法：

使用 `rand()` 和 `srand()`

rand() 是 C 标准库中的函数，通过线性同余算法生成伪随机数。需要配合 srand() 设置种子以确保每次运行生成不同的序列。如果没有设置种子，那么随机数就像一个已赋值数组，根本不能做到随机！

#include <cstdlib>
#include <ctime>

int main() {
    srand(time(0)); // 设置种子为当前时间
    int random_num = rand() % 100; // 生成 0-99 的随机数
    return 0;
}

缺点：rand() 生成的随机数质量较低，且分布不均匀。

使用 C++11 `<random>` 库

C++11 引入了 <random> 库，提供了更强大的随机数生成工具，包括多种引擎和分布。

#include <random>
#include <iostream>

int main() {
    std::random_device rd; // 硬件随机数生成器（如果可用）
    std::mt19937 gen(rd()); // 使用 Mersenne Twister 引擎
    std::uniform_int_distribution<> dist(1, 100); // 均匀分布

    int random_num = dist(gen); // 生成 1-100 的随机数
    std::cout << random_num << std::endl;
    return 0;
}

优点：随机质量高，支持多种分布（如均匀、正态、泊松等）。

常见随机数引擎

std::mt19937：Mersenne Twister 算法，速度快且随机性好。
std::minstd_rand：线性同余算法，简单但随机性较弱。
std::random_device：基于硬件的真随机数生成器（可能较慢）。

常见随机数分布

std::uniform_int_distribution：均匀整数分布。
std::uniform_real_distribution：均匀浮点数分布。
std::normal_distribution：正态分布。
std::bernoulli_distribution：伯努利分布（布尔值）。

生成特定范围的随机数

使用 std::uniform_int_distribution 可以方便地生成指定范围的随机数：

std::uniform_int_distribution<int> dist(10, 20); // 生成 10-20 的随机整数
int random_num = dist(gen);

生成随机浮点数

std::uniform_real_distribution<double> dist(0.0, 1.0); // 生成 0.0-1.0 的随机浮点数
double random_float = dist(gen);

生成非均匀分布的随机数

例如，生成均值为 0、标准差为 1 的正态分布随机数：

std::normal_distribution<double> dist(0.0, 1.0);
double random_normal = dist(gen);

注意事项

避免频繁创建引擎和分布对象，尽量复用。
使用 std::random_device 初始化种子，以提高随机性。
对于高性能需求，选择轻量级引擎（如 std::minstd_rand）。