目录
3.std::shuffle 与 std::random_shuffle 的区别
1.简介
std::shuffle 是 C++ 标准库中用于对序列进行随机重排（洗牌）的一种算法。它可以将容器（例如 std::vector、std::array、或普通数组等）中的元素随机地打乱顺序，就像洗扑克牌一样。与早期的 std::random_shuffle 相比，std::shuffle 要求使用一个随机数引擎（如 std::default_random_engine），从而在提供更可控、更安全的随机生成方式的同时，也避免了潜在的随机质量问题。这个算法定义在 <algorithm> 头文件中，并且需要 C++11 或更高版本的支持。
函数原型：
template< class RandomIt, class URNG >
void shuffle( RandomIt first, RandomIt last, URNG&& g );
template< class RandomIt >
void shuffle( RandomIt first, RandomIt last );-
RandomIt：可随机访问的迭代器类型（Random Access Iterator），例如指向
std::vector、std::array或内置数组的指针等。 -
URBG：Uniform Random Bit Generator，即随机数引擎类型。比如常用的
std::default_random_engine、std::mt19937（梅森旋转算法引擎）等。
2.工作原理
std::shuffle 通过多次交换容器中的元素来打乱它们的顺序。每次交换都是基于随机数生成器 g 产生的随机数来决定的。如果未提供随机数生成器，则使用 std::random_device 和 std::default_random_engine 的组合来生成随机数。
3.std::shuffle 与 std::random_shuffle 的区别
在 C++11 之前，我们常使用 std::random_shuffle 来对容器进行随机洗牌。但从 C++14 开始，std::random_shuffle 被标记为弃用，并在 C++17 中被移除。原因如下：
随机数来源
-
std::random_shuffle的默认实现通常基于rand()函数来完成随机元素的选择，依赖全局状态；这个函数的随机性质量不够理想，且在不同平台和编译器间不一致。 -
std::shuffle需要显式传入一个随机数引擎（如std::default_random_engine），这样在不同机器和编译器上，算法的随机行为更加可控并且符合现代 C++ 中的随机数生成器框架。
可维护性和安全性
-
std::shuffle的接口设计更符合现代 C++ 的习惯，使得代码可读性、可维护性更高，同时也避免了因随机数生成方式不一致而产生的可移植性问题。
4.rand 和 srand
这两个是C标准函数，在C++中被放在头文件 <cstdlib> 之中，搜索到的函数声明如下：
__BEGIN_NAMESPACE_STD
/* Return a random integer between 0 and RAND_MAX inclusive. */
extern int rand (void) __THROW;
/* Seed the random number generator with the given number. */
extern void srand (unsigned int __seed) __THROW;
__END_NAMESPACE_STD
其中 std::rand() 是用于返回一个介于[0, RAND_MAX] 范围的伪随机整型值，RAND_MAX 的值最小为 32767，也就是有符号short的最大值，我查到的版本库中的值是2147483647，即有符号int的最大值。
std::srand() 的作用是为 std::rand() 这个伪随机数生成器设置种子，如果在调用 std::srand() 之前使用了 std::rand()，种子默认为1，相当于调用了 std::srand(1)，rand通常不是线程安全的函数，依赖于具体的实现。
更需要注意的是， std::rand() 生成的是一个伪随机序列，如果随机种子相同，则得到的序列也是相同的，这也是 std::rand 不建议使用的原因，建议是使用C++11随机数生成工具来替换它。
伪随机序列也并不是“一无是处”，两个进程可以通过设置相同的随机数种子来产生相同的序列，比如可以用于服务器和客户端做帧同步时产生随机数，这样的随机数产生是同步可控的。
下面举个 std::rand() 使用的例子
#include <iostream>
#include <cstdlib>
int main()
{
std::srand(1);
std::cout << std::rand() << std::endl;
std::srand(1);
std::cout << std::rand() << std::endl;
std::srand(1);
std::cout << std::rand() << std::endl;
return 0;
}运行结果如下：
1867856543
1867856543
1867856543
我们可以看到因为随机种子相同，生成的随机数都是同一个，为了使的生成的序列更随机，通常使用当前时间戳 std::time(nullptr) 作为随机种子，然后再生成随机序列：
#include <iostream>
#include <cstdlib>
#include <ctime>
int main()
{
std::srand(std::time(nullptr));
std::cout << std::rand() << std::endl;
std::srand(std::time(nullptr));
std::cout << std::rand() << std::endl;
std::srand(std::time(nullptr));
std::cout << std::rand() << std::endl;
return 0;
}运行结果如下：
1864343359
1864343359
1864343359
怎么还是相同的呢？那是因为 std::time(nullptr) 函数返回的时间戳单位是秒，在一秒中内的时间种子是相同的，所以返回的序列也是相同的，通常的使用方法是在程序启动时设置一次时间种子就可以了，并不需要每次都进行设置，而 random_shuffle 中使用了 std::rand() 函数，如果不手动设置时间种子，每次同一时间洗同一副牌，得到的结果也是相同的，所以这也是random_shuffle被后续版本移除的一个原因。
5.std::shuffle 的使用方法
#include <iostream>
#include <vector>
#include <algorithm>
#include <random> // std::default_random_engine, std::random_device
int main() {
// 准备数据
std::vector<int> v = {1, 2, 3, 4, 5, 6, 7, 8, 9 , 10, 11, 12};
// 1) 创建一个随机数引擎，通常以随机种子初始化
std::random_device rd; // 硬件随机数生成器（若可用）
std::default_random_engine rng(rd()); // 使用 rd 产生种子来初始化引擎
// 2) 使用 std::shuffle 对 [v.begin(), v.end()) 范围内的元素进行随机重排
std::shuffle(v.begin(), v.end(), rng);
// 3) 输出打乱后的结果
std::cout << "Shuffled result: ";
for (auto i : v) {
std::cout << i << " ";
}
std::cout << std::endl;
return 0;
}在这个示例中，我们使用
std::random_device获取一个尽量随机的种子，然后用它来初始化一个std::default_random_engine引擎。接着将rng传递给std::shuffle以获得随机化的打乱顺序。
6.随机数生成器和分布器
random是C++11提供的一个头文件，其中包含多个随机数生成工具，可以使用生成器和分布器的组合产生随机数，其中包含随机数生成器和分布器的多个类实现，分为以下两种：
Uniform random bit generators (URBGs)：均匀随机位生成器，也就是生成均匀分布随机数的对象，可以生成伪随机序列，也可生成真正的随机数序列
Random number distributions：随机数分布器，用于将URBGs产生的随机数转换为某种特定数学概率分布的序列，如均匀分布、正态分布、泊松分布等
常见的生成器：
- linear_congruential_engine: 线性同余生成算法，是最常用也是速度最快的，随机效果一般
- mersenne_twister_engine: 梅森旋转算法，随机效果最好
- subtract_with_carry_engine: 滞后Fibonacci算法
常见的适配器，我理解的它的作用是生成器的二次加工厂，对生成器结果进行特定操作
- discard_block_engine: 丢弃一些数
- independent_bits_engine: 将序列打包成指定位数的块
- shuffle_order_engine: 调整序列顺序
预定义的随机数生成器，利用通用生成器和适配器组合出的流行特定生成器：
- minstd_rand
- minstd_rand0
- mt19937: mt是因为这个伪随机数产生器基于Mersenne Twister算法，19937来源于产生随的机数的周期长可达到2^19937-1
- mt19937_64
- ranlux24_base
- ranlux48_base
- ranlux24
- ranlux48
- knuth_b
- default_random_engine: 编译器可以自行实现
以上随机数引擎需要一个整型参数作为种子，对于给定的随机数种子，伪随机数生成器总会生成相同的序列，这在测试的时候是相当有用的。而在实际使用时，需要设置随机树作为种子来产出不同的随机数，推荐使用 std::random_device 的值作为随机数种子。
std::random_device 是一个使用硬件熵源的非确定性随机数发生器，不可预测。
常见的分布器：
- uniform_int_distribution: 均匀离散分布
- uniform_real_distribution: 均匀实数分布
- bernoulli_distribution: 伯努利分布
- binomial_distribution: 二项式分布
- geometric_distribution: 几何分布
- negative_binomial_distribution: 负二项式分布
- poisson_distribution: 泊松分布
- exponential_distribution: 指数分布
- gamma_distribution: 伽玛分布
- weibull_distribution: 威布尔分布
- extreme_value_distribution: 极值分配
- normal_distribution: 正态分布
- lognormal_distribution: 对数正态分布
- chi_squared_distribution: 卡方分布
- cauchy_distribution: 柯西分布
- fisher_f_distribution: Fisher F分布
- student_t_distribution: 学生T分布
- discrete_distribution: 离散分布
- piecewise_constant_distribution: 分段常数分布
- piecewise_linear_distribution: 分段线性分布
下面举个生成器和分布器组合生成随机常用例子，以下为模拟掷骰子生成点数的实现：
#include <iostream>
#include <random>
int main()
{
std::mt19937 gen(std::random_device{}());
std::uniform_int_distribution<> dist(1, 6);
for (int i = 0; i < 10; ++i)
std::cout << dist(gen) << std::endl;
return 0;
}编译运行结果如下：
3
2
4
1
5
4
1
1
3
4
7.注意事项
-
范围：
std::shuffle会打乱[first, last)的元素。在调用前，请确保迭代器范围合法且在可随机访问的容器内。 -
随机引擎种子：如果每次都用相同的种子，那么洗牌的结果也将完全相同。因此，如果需要每次运行程序都得到不同的洗牌结果，建议使用
std::random_device或时间戳等方式进行初始化。 -
算法复杂度：
std::shuffle实现了线性复杂度（O(n)）的洗牌算法（Fisher–Yates shuffle 或 Knuth shuffle），不会随着容器大小指数级增长。对于大规模数据，这点十分重要。 -
可移植性：当使用相同的随机引擎和相同的种子时，
std::shuffle洗牌结果在不同平台上应该是一致的（因为随机数引擎按标准定义了算法），但如果使用不同的编译器或与平台相关的自定义实现，则仍有可能出现微小差异。
扫一扫
2657
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
