产生随机数

本文介绍了如何使用C++中的rand和srand函数生成不重复的随机数。通过对比不同实现方式,详细解释了如何确保生成的随机数在指定范围内各不相同。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

①先说明一下rand,这个函数用来产生伪随机数。

比如,产生1000的两个随机数,产生的两个一般上是不同的,但如果要产生80个100以内的随机数,仅用rand函数就不够。因为产生80个100以内的随机数,至少有两个数相等的概率太大了

。②srand函数,并不能使产生的随机数完全不同。你可以执行以下这串代码。#include<iostream.h>#include<stdlib.h>#include<time.h>int main(){ srand((unsigned)time(NULL)); int t1,t2; t1=(rand()%3)+1; t2=(rand()%3)+1; cout<<t1<<endl<<t2<<endl; return 0;}多执行几次,你会发现也会产生相同的,也就是说,在小范围内产生许多随机数,出现相同随机数的概率会很大。不过,srand的作用只是,在你前后两次执行这串代码时,给你不同的结果而已。

③一般做法:产生随机数时,判断它与已有随机数是否相同,如果相同,再产生一个即可。为了说明问题,我还以产生两个小于三的随机正整数为例。#include<iostream.h>#include<stdlib.h>#include<time.h>int main(void){ srand((unsigned)time(NULL));//播种子,随时间的不同播不同的种子,故每次产生的随机数都不相同,由于用到time,故需要头函数time.h int t1,t2; t1=(rand()%2)+1; t2=(rand()%2)+1;myd:if(t2==t1)t2=(rand()%2)+1; if(t2==t1)t2=(rand()%2)+1; cout<<t1<<endl<<t2<<endl; return 0;}你会发现这个程序每次都只产生1、2,而不会产生2、2,1、1这两种情况。也许还有其他产生不同随机数的函数,但像你一样,我也试图在网上找过,但没找到。这也是我想到的最简单的方法。

#include<iostream.h>

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

int main(void){ srand((unsigned)time(NULL));//播种子,随时间的不同播不同的种子,故每次产生的随机数都不相同,由于用到time,故需要头函数time.h

 int t1,t2; bool error=true; t1=(rand()%2)+1; t2=(rand()%2)+1;

 while(error) { if(t2==t1)t2=(rand()%2)+1; if(t2==t1) error=true;//由于上一个语句只是判断当t2=t1时,再产生一个随机数赋给t1,但有可能新产生的这个数还与t1相同,所以接下来还要进行判断

 else error=false; } cout<<t1<<endl<<t2<<endl; return 0;}再补充一段代码以便您拿它与上一串代码对比,明白srand函数的用处

#include<iostream.h>

#include<stdlib.h>

int main(void)

 int seed; int t1,t2;

 bool error=true;

 cin>>seed;//种子由用户输入,如果两次执行这串代码输入相同的种子,执行结果完全相同,否则执行结果不同(即使表面上相同,其实也是不同的执行结果)

 srand(seed);

 t1=(rand()%2)+1; t2=(rand()%2)+1;

 while(error) { if(t2==t1)t2=(rand()%2)+1; if(t2==t1) error=true;//由于上一个语句只是判断当t2=t1时,再产生一个随机数赋给t1,但有可能新产生的这个数还与t1相同,所以接下来还要进行判断 

 else error=false; } 

cout<<"不同的随机数:"<<endl; cout<<t1<<endl<<t2<<endl; return 0;}




先用srand生成一个随机数种子,这样才会不一样srand((unsigned)time(NULL));int n = rand();

内容概要:《中文大模型基准测评2025年上半年报告》由SuperCLUE团队发布,详细评估了2025年上半年中文大模型的发展状况。报告涵盖了大模型的关键进展、国内外大模型全景图及差距、专项测评基准介绍等。通过SuperCLUE基准,对45个国内外代表性大模型进行了六大任务(数学推理、科学推理、代码生成、智能体Agent、精确指令遵循、幻觉控制)的综合测评。结果显示,海外模型如o3、o4-mini(high)在推理任务上表现突出,而国内模型如Doubao-Seed-1.6-thinking-250715在智能体Agent和幻觉控制任务上表现出色。此外,报告还分析了模型性价比、效能区间分布,并对代表性模型如Doubao-Seed-1.6-thinking-250715、DeepSeek-R1-0528、GLM-4.5等进行了详细介绍。整体来看,国内大模型在特定任务上已接近国际顶尖水平,但在综合推理能力上仍有提升空间。 适用人群:对大模型技术感兴趣的科研人员、工程师、产品经理及投资者。 使用场景及目标:①了解2025年上半年中文大模型的发展现状与趋势;②评估国内外大模型在不同任务上的表现差异;③为技术选型和性能优化提供参考依据。 其他说明:报告提供了详细的测评方法、评分标准及结果分析,确保评估的科学性和公正性。此外,SuperCLUE团队还发布了多个专项测评基准,涵盖多模态、文本、推理等多个领域,为业界提供全面的测评服务。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值