• c++ 随机函数用法


    C++中rand()函数可以用来产生随机数,但是是属于伪随机数。

    rand()函数用法:

      在使用rand()函数的时候,首先需要包含头文件#include<stdlib.h>,用法是int rand(void),产生的随机数范围是0~65536,类型为unsigned int,不能超过范围。rand()函数不接受参数,默认以1为种子(即起始值)。 随机数生成器总是以相同的种子开始,所以形成的伪随机数列也相同,失去了随机意义。若要不同,此时需要使用函数srand()进行初始化。

      srand()函数用来初始化随机数发生器,用法为void srand(unsigned int seed),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。

      可以利用srand((unsigned int)(time(NULL))的方法,产生不同的随机数种子,因为每一次运行程序的时间是不同的。

      产生随机数的用法

    1) 给srand()提供一个种子,它是一个unsigned int类型;

    2) 调用rand(),它会根据提供给srand()的种子值返回一个随机数(在0到RAND_MAX之间);

    3) 根据需要多次调用rand(),从而不间断地得到新的随机数;

    4) 无论什么时候,都可以给srand()提供一个新的种子,从而进一步“随机化”rand()的输出结果。

    0~RAND_MAX之间的随机数程序:

    srand((unsigned)time(NULL)); 
            for(int i = 0; i < 10;i++ ) 
                    cout << rand() << '/t'; 
            cout << endl; 

    产生一定范围随机数的通用表示公式:

      要取得[a,b)的随机整数,使用(rand() % (b-a))+ a;

      要取得[a,b]的随机整数,使用(rand() % (b-a+1))+ a;

      要取得(a,b]的随机整数,使用(rand() % (b-a))+ a + 1;

      通用公式:a + rand() % n;其中的a是起始值,n是整数的范围。

      要取得a到b之间的随机整数,另一种表示:a + (int)b * rand() / (RAND_MAX + 1)。

      要取得0~1之间的浮点数,可以使用rand() / double(RAND_MAX)。

    看一下下面这个函数,在0~n-1中可以产生m个随机数,此时(m<n)

    void knuth(int n, int m)
    {
        srand((unsigned int)time(0));
        for (int i = 0; i < n; i++) {
            if (rand()%(n-i)<m ) {
                cout << i << endl;
                m--;
            }
         }
    }

      rand()%(n-i)用来产生0~n-i-1之间的随机数,当i=0时,产生随机数范围为0~n-1,共n个数,若要输出i=0,此时rand()%(n-i)<m,此时0~m-1共m个数满足条件,此时可以知道输出0的概率为m/n;

      当i=1的时候,此时需要分两种情况,一种是没有输出0,即m--没有执行,此时产生随机数范围为0~n-2,共n-1个数,输出1的概率为m/(n-1);另一种就是已经输出了0,此时执行了m--,输出1的概率为(m-1)/(n-1),由概率论知识可以知道输出i=1的概率为:

    P=(1-m/n)*[m/(n-1)]+(m/n)*[(m-1)/(n-1)]=m/n;

      后面i=2,3,....,n-1输出的概率都是相同的,由此产生随机数。

  • 相关阅读:
    2.HTML案例二 头条页面
    1.HTML入门
    33.1.网络编程入门
    32.原子性
    【转】风控中的特征评价指标(一)——IV和WOE
    【转】Python调用C语言动态链接库
    基于蒙特卡洛树搜索(MCTS)的多维可加性指标的异常根因定位
    正则表达式全集
    基于ray的分布式机器学习(二)
    基于ray的分布式机器学习(一)
  • 原文地址:https://www.cnblogs.com/xiaodingmu/p/8061200.html
Copyright © 2020-2023  润新知