推荐使用C++11的<random>库生成随机数。传统rand()方法存在分布不均、线程不安全等问题，而<random>库通过引擎（如std::mt19937）和分布（如std::uniform_int_distribution）提供高质量、可控制、线程安全的随机数，支持多种分布类型，建议新项目使用，并将引擎声明为static以提高效率。

在C++中生成随机数有多种方法，随着语言标准的演进，推荐的方式也在变化。下面详细介绍从传统到现代C++中常用的随机数生成方式，帮助你写出更可靠、更高效的代码。

使用 <cstdlib> 中的 rand()（旧式方法）

这是C语言沿用下来的方法，简单但不推荐用于高质量随机场景。

基本用法：
– 调用 srand() 设置种子（通常用 time(0)）
– 使用 rand() 获取随机整数（范围：0 到 RAND_MAX）

示例：

#include <cstdlib>
#include <iostream>
#include <ctime>
int main() {
   srand(time(0)); // 设置种子
   int r = rand() % 100; // 生成 0-99 的随机数
   std::cout << r << std::endl;
   return 0;
}

缺点： 分布不均、周期短、线程不安全、不可移植。

立即学习“C++免费学习笔记（深入）”；

使用 <random> 头文件（C++11 及以后推荐）

C++11 引入了功能强大且灵活的随机数库，推荐用于所有新项目。

核心组件：

• 引擎（Engine）：如 std::mt19937（梅森旋转算法）
• 分布（Distribution）：控制随机数的范围和分布类型

示例：生成 1-100 的均匀分布整数

壁纸样机神器

免费壁纸样机生成

0

查看详情

#include <random>
#include <iostream>
int main() {
   std::random_device rd; // 真实随机种子（可选）
   std::mt19937 gen(rd()); // 随机数引擎
   std::uniform_int_distribution<int> dis(1, 100);
   int r = dis(gen);
   std::cout << r << std::endl;
   return 0;
}

常用分布类型：

• std::uniform_int_distribution<T>：整数均匀分布
• std::uniform_real_distribution<T>：浮点数均匀分布
• std::normal_distribution<T>：正态分布
• std::bernoulli_distribution：伯努利分布（true/false）

优点： 高质量随机性、可预测性控制、支持多种分布、线程安全。

快速生成小范围随机数的简化写法

如果不需要高精度，可以简化初始化过程：

static std::mt19937 gen(std::random_device{}());
std::uniform_int_distribution<int> dist(1, 10);
int random_num = dist(gen);

将引擎定义为 static 可避免重复构造，适合在函数中频繁调用。

注意事项与最佳实践

• 不要每次生成都重新设置种子（如放循环内），会导致重复值
• 避免只用 rand() % N，它会产生偏移（低位随机性差）
• 多线程环境下，每个线程应使用独立的随机引擎实例
• 需要可重现结果时，使用固定种子（如 gen(12345)）

基本上就这些。对于新项目，坚持使用 <random> 库，能显著提升程序质量和可维护性。旧项目中若使用 rand()，建议逐步替换。