C++11提供了很多的随机数生成器，可以使用均匀分布，正态分布等方法进行随机。

要想生成随机数，请包含random头文件

C++11的随机数生成比C语言要麻烦，也好用地多。主要有以下概念：

• 随机数生成器：用来生成随机数的类，相比于C语言，C++通过提供不同的随机数生成器来提供不同的随机数生成算法，让用户对随机数生成的底层算法有更好的选择。
• 随机数分布：用于按照一定的分布来产生随机数。本质上是通过限定或修改随机数生成器产生的随机数来得到结果的，所以需要一个随机数生成器。

一般来说，得到一个随机数的方式如下：

1. 首先得得到一个随机数生成器
2. [可选] 然后可以采用随机数引擎适配器来对生成器进行一些操作
3. 最后将生成的随机数传入随机数分布来得到随机数。

比较典型的过程如下：

1
2
3
4
5

default_random_engine engin;    //得到一个随机数生成器
engin.seed(time(nullptr)); //传入种子
uniform_int_distribution<int> dist(1, 10);  //得到一个随机分布
for(int i=0;i<100;i++)
    cout<<dist(engin)<<endl;    //随机分布利用随机数生成器生成随机数

随机数生成器

所谓的随机数生成器，其实就是生成随机数的底层算法。

所有的随机数生成器都是要传入种子的，使用成员函数seed(t)即可传入，或者在构造时传入也行。

一般预定义的随机数生成器用的比较多。

随机数生成引擎

是一些通过特定算法生成随机数的类，一共有三个

• linear_congruential_engine:实现线性同余算法
• mersenne_twister_engine:实现梅森缠绕器算法
• subtract_with_carry_engine:实现带进位减（一种延迟斐波那契）算法

这些类都是模板类，其模板参数是要生成的随机数类型和算法需要的一些参数（具体见cppreference)

随机数引擎适配器

用于和随机数引擎搭配使用的适配器类，主要是修改引擎随机出来的随机数，一共有三个：

• discard_block_engine：舍弃随机数引擎的某些输出
• independent_bits_engine：将一个随机数引擎的输出打包为指定位数的块
• shuffle_order_engine：以不同顺序将随机数引擎的结果输出

都是模板类，其模板参数的第一个是随机数引擎的类型，其他的则是需要的参数。

预定义的随机数生成器

这里定义了一些包装了比较流行的算法包的生成器，这里仅举例一些常用的：

• mt19937：32位梅森缠绕器算法
• mt1993_64：64位梅森缠绕器算法
• default_random_engin：默认随机数生成器

一般的用法如下：

1
2
3

random_device d;	// random_device下面会介绍
mt19937 m(d());  //初始化生成器
cout<< mt19937() <<endl; //产生一个随机数

非确定随机数生成器

可以说是真正意义上的随机数（不过具体的还是得看实现，Linux下是通过读取/dev/urandom文件来实现随机的，这就是真正的随机数。而Window则是偷懒直接使用rand_s()函数，这就还是伪随机数）

• random_device：非确定随机数生成器

一般由于random_device产生随机数的能力很强，我们一般用其产生的随机数当做其他随机数生成器或引擎的种子。

随机数分布

通过限定或者修改随机数生成器的结果来达到一定程度的分布。所以一般参数都需要有一个随机数生成器。

下面列举一些常用的：

• uniform_int_distribution/uniform_real_distribution：产生一个在区间*[a,b]*上的均匀随机数（分别产生整数和浮点数）
• binomial_distribution：二项分布
• poisson_distribution：泊松分布
• normal_distribution：正态分布

一般的用法如下：

1
2
3
4

random_device d;
mt19937 m(d());	//先得到一个随机数生成器
uniform_int_distribution dist;	//然后得到一个随机数分布
cout << dist(m) <<endl;	//将生成器传入分布，得到最后的随机数