一、rand和srand
在C++11标准出来之前，C/C++都依赖于stdlib.h头文件的rand或者srand来生成随机数。
其不是真正的随机数，是一个伪随机数，是根据一个数（我们可以称它为种子）为基准以某个递推公式推算出来的一系列数，当这系列数很大的时候，就符合正态公布，从而相当于产生了随机数，但这不是真正的随机数，当计算机正常开机后，这个种子的值是定了的，除非你破坏了系统。
- rand：内部是线性同余实现的，因为周期较长，所以在一定的范围内可看成随机的。系统默认随机种子是1。rand()返回一随机数值的范围在0至RAND_MAX 间。RAND_MAX的范围最少是在32767之间(int)。用unsigned int 双字节是65535，四字节是4294967295的整数范围。0~RAND_MAX每个数字被选中的机率是相同的。
//函数声明
int rand(void);
- srand：srand()用来设置rand()产生随机数时的随机数种子。参数seed必须是个整数，如果每次seed都设相同值，rand()所产生的随机数值每次就会一样。
//函数声明
void srand(unsigned int seed);
-
常见用法如下：
- (rand() % (b - a)) + a ，生成[a, b) 的随机整数
- (rand() % (b - a + 1)) + a ，生成[a,b] 的随机整数
- rand() / double(RAND_MAX) ，生成0～1之间的浮点数
-
来个测试代码：
#include <iostream>
#include <stdlib.h>
#include <time.h>
using namespace std;
int main()
{
srand((unsigned)time(NULL));
for(int i = 0; i < 10;i++ )
cout << rand() << ' ';
cout << endl;
return 0;
}
二、新标准随机数
有时候程序员需要一些非均匀分布的数，这时候rand就显得不是那么好用，新标准很好解决了这个问题：随机数引擎类和随机数分布类。引擎用来生成随机unsigned整数序列，分布则使用引擎返回服从特定概率分布的随机数。
标准库定义了多个随机数引擎类，区别在于性能和随机性质量不同。每个编译器都会指定其中一个作为default_random_engine类型。标准库定义的引擎通用操作如下：
| 操作 | 解释 |
|---|---|
| Engine e | 默认构造函数，使用该引擎默认的种子 |
| Engine e(s) | 使用整型值s作为种子 |
| e.seed(s) | 使用种子s重置引擎的状态 |
| e.max(), e.min() | 该引擎可生成的最大和最小值 |
| Engine::result_type | 该引擎生成的unsigned整型类型 |
| e.discard(u) | 将引擎推进u步，u为unsigned long long类型 |
对于大多数场合，随机数引擎的输出是不能直接使用的，还要配合合适的分布类。均匀分布类为uniform_int_distribution<unsigned>。标准库中的分布类的通用操作如下：
| 操作 | 解释 |
|---|---|
| Dist d | 默认构造函数 |
| d(e) | 用相同的引擎e连续生成随机数序列 |
| d.max(), d.min() | 返回d(e)能生成的最大和最小值 |
| d.reset() | 重建d的状态，使得随后对d的使用不依赖于d已经生成的值 |
以下为简单测试：
#include <iostream>
#include <random>
using namespace std;
int main() {
//0~9的均匀分布
uniform_int_distribution<unsigned> u(0,9);
//若想生成0~1的double
//uniform_int_distribution<double> u(0,1);
default_random_engine e;
for(size_t i = 0; i < 10; i++)
cout << u(e) << " ";
//由于是默认的种子，所以应该都是0 1 7 4 5 2 0 6 6 9
return 0;
}
为了生成不同的结果，我们可以通过设置种子，为引擎设置种子的方法有两种方式：在创建引擎对象的时候提供种子，或者调用引擎的seed成员。简单测试如下：
#include <iostream>
#include <random>
using namespace std;
int main() {
default_random_engine e1; //默认种子
default_random_engine e2(2147483646); //给定的种子
default_random_engine e3;
e3.seed(32767); //调用成员seed
default_random_engine e4(32767); //和e3一样的种子
uniform_int_distribution<unsigned> u(0,9);
for(size_t i = 0; i < 10; i++)
cout << u(e1) << " " << u(e2) << " " << u(e3) << " " << u(e4) << endl;
return 0;
}
除了均匀分布下生成unsined整数，我们还可以生成不同分布下别的类型的数值。比如uniform_real_distribution<> u(0,1)生成0~1的double类型值，还有normal_distribution<> n(4,1.5)生成均值为4，标准差为1.5的正态分布double类型值。
实际上，新标准定义了20种分布类型，如有需要，请翻阅C++11文档。