開發(fā)過程中，經(jīng)常會(huì)遇到生成隨機(jī)數(shù)的需求，本文會(huì)詳細(xì)介紹C++中生成隨機(jī)數(shù)的方法以及一些注意事項(xiàng)。

隨機(jī)數(shù)核心組件

C++11引入了庫，這個(gè)庫提供了隨機(jī)數(shù)生成工具。

下面是C++中生成隨機(jī)數(shù)的核心組件：

• 隨機(jī)數(shù)引擎：生成偽隨機(jī)數(shù)的算法。
• 隨機(jī)數(shù)分布：將隨機(jī)數(shù)引擎生成的數(shù)映射到特定范圍或分布。
• 真隨機(jī)數(shù)生成器：如std::random_device，用于生成高質(zhì)量的隨機(jī)數(shù)。

種子（Seed）

• 種子是隨機(jī)數(shù)生成器的初始值。
• 相同的種子會(huì)生成相同的隨機(jī)數(shù)序列。
• 常用種子來源：
• 當(dāng)前時(shí)間：std::time(0)。
• 真隨機(jī)數(shù)生成器：std::random_device。

偽隨機(jī)數(shù)引擎

• std::mt19937：基于Mersenne Twister算法，周期長，隨機(jī)性好。
• std::minstd_rand：線性同余生成器，速度快，但隨機(jī)性較差。
• std::default_random_engine：默認(rèn)引擎，實(shí)現(xiàn)可能因平臺(tái)而異。

隨機(jī)數(shù)分布

• 均勻分布：std::uniform_int_distribution、std::uniform_real_distribution。
• 正態(tài)分布：std::normal_distribution。
• 伯努利分布：std::bernoulli_distribution。

真隨機(jī)數(shù)生成器

• std::random_device：依賴于硬件或操作系統(tǒng)提供的隨機(jī)數(shù)源。
• 適用于生成種子或高安全性場景。

生成隨機(jī)數(shù)的方法

std::rand

std::rand是C標(biāo)準(zhǔn)庫中的隨機(jī)數(shù)生成函數(shù)，C++中仍然可以使用，但它的隨機(jī)性較差，且范圍固定。

#include  #include // for std::rand and std::srand #include // for std::time int main() { // 使用當(dāng)前時(shí)間作為種子 std::srand(std::time(0)); // 生成一個(gè)隨機(jī)數(shù) int random_value = std::rand(); std::cout << "Random value: " << random_value << std::endl; // 生成一個(gè)范圍在 [0, 99] 的隨機(jī)數(shù) int random_in_range = std::rand() % 100; std::cout << "Random value in [0, 99]: " << random_in_range << std::endl; return 0;
}

缺點(diǎn)：

• std::rand生成的隨機(jī)數(shù)質(zhì)量較低。
• 范圍限制需要手動(dòng)調(diào)整（如%操作符）。
• 種子設(shè)置不夠靈活。

std::random_device真隨機(jī)數(shù)

std::random_device是一個(gè)真隨機(jī)數(shù)生成器，通常用于生成高質(zhì)量的隨機(jī)數(shù)種子。

示例代碼：

#include  #include  int main() { std::random_device rd; // 真隨機(jī)數(shù)生成器 std::cout << "Random value: " << rd() << std::endl; return 0;
}

注意：

• 在某些平臺(tái)上，std::random_device可能會(huì)退化為偽隨機(jī)數(shù)生成器。
• 大量每次生成隨機(jī)數(shù)都使用std::random_device，性能較差。
• 通常用于生成種子，而不是直接用于生成大量隨機(jī)數(shù)。

偽隨機(jī)數(shù)引擎和分布

C++11引入了多種偽隨機(jī)數(shù)引擎和分布，可以生成高質(zhì)量的隨機(jī)數(shù)。

常用隨機(jī)數(shù)引擎：

• std::default_random_engine：默認(rèn)的隨機(jī)數(shù)引擎。
• std::mt19937：Mersenne Twister算法，高質(zhì)量隨機(jī)數(shù)引擎。
• std::minstd_rand：線性同余生成器。

常用隨機(jī)數(shù)分布：

• std::uniform_int_distribution：均勻分布的整數(shù)。
• std::uniform_real_distribution：均勻分布的浮點(diǎn)數(shù)。
• std::normal_distribution：正態(tài)分布的浮點(diǎn)數(shù)。
• std::bernoulli_distribution：伯努利分布（布爾值）。

示例代碼：

#include  #include  int main() { // 使用 Mersenne Twister 引擎 std::mt19937 rng(std::random_device{}()); // 均勻分布的整數(shù) [1, 100] std::uniform_int_distribution<int> dist(1, 100); int random_int = dist(rng); std::cout << "Random integer in [1, 100]: " << random_int << std::endl; // 均勻分布的浮點(diǎn)數(shù) [0.0, 1.0) std::uniform_real_distribution<double> dist_double(0.0, 1.0); double random_double = dist_double(rng); std::cout << "Random double in [0.0, 1.0): " << random_double << std::endl; // 正態(tài)分布的浮點(diǎn)數(shù)（均值 0.0，標(biāo)準(zhǔn)差 1.0） std::normal_distribution<double> dist_normal(0.0, 1.0); double random_normal = dist_normal(rng); std::cout << "Random normal value: " << random_normal << std::endl; return 0;
}

優(yōu)點(diǎn)：

• 隨機(jī)數(shù)質(zhì)量高。
• 分布靈活，支持多種分布類型。

生成隨機(jī)字符串

可以使用隨機(jī)數(shù)生成器生成隨機(jī)字符串。

示例代碼：

#include  #include  #include  std::string generate_random_string(size_t length) { const std::string charset = "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz"; std::mt19937 rng(std::random_device{}()); std::uniform_int_distribution<size_t> dist(0, charset.size() - 1); std::string result; for (size_t i = 0; i < length; ++i) {
 result += charset[dist(rng)];
 } return result;
} int main() { std::string random_str = generate_random_string(10); std::cout << "Random string: " << random_str << std::endl; return 0;
}

注意事項(xiàng)

std::mt19937 e{std::random_device{}()};

直接這樣寫有什么問題？

如果你只需要生成一次隨機(jī)數(shù)，這樣寫沒問題。但如果你需要多次生成隨機(jī)數(shù)，最好避免反復(fù)創(chuàng)建和銷毀std::random_device對象，因?yàn)檫@會(huì)帶來不必要的開銷。

原因：

• 每次創(chuàng)建std::random_device對象時(shí)，都會(huì)初始化一個(gè)新的文件句柄（在類Unix系統(tǒng)上，它通常是對/dev/urandom的封裝），這會(huì)帶來文件系統(tǒng)操作的開銷。（不同操作系統(tǒng)的實(shí)現(xiàn)不同）
• 每次從std::random_device讀取隨機(jī)數(shù)時(shí)，都會(huì)觸發(fā)系統(tǒng)調(diào)用（如read系統(tǒng)調(diào)用），這可能會(huì)影響性能。
• 在Windows系統(tǒng)上，std::random_device通常是對微軟加密API的封裝，每次創(chuàng)建和銷毀std::random_device對象時(shí)，都會(huì)初始化和銷毀加密庫的接口，這也會(huì)帶來額外的開銷。

因此，如果需要頻繁生成隨機(jī)數(shù)，這種寫法可能會(huì)導(dǎo)致性能問題。當(dāng)然，如果你的應(yīng)用程序?qū)π阅芤蟛桓?，這種寫法也是可以接受的。

常見的寫法：

在許多示例、網(wǎng)站和文章中，通常會(huì)看到以下寫法：

std::random_device rd; std::mt19937 e{rd()}; // 或者 std::default_random_engine e{rd()}; std::uniform_int_distribution<int> dist{1, 5};

這種寫法的優(yōu)點(diǎn)是：

• std::random_device只被創(chuàng)建一次，避免了反復(fù)初始化和銷毀的開銷。
• std::mt19937是一個(gè)偽隨機(jī)數(shù)生成器，它的初始化只需要一個(gè)種子（由std::random_device提供），之后的所有隨機(jī)數(shù)生成都在用戶進(jìn)程中完成，不會(huì)涉及系統(tǒng)調(diào)用。

std::mt19937vsstd::random_device

std::mt19937

• 偽隨機(jī)數(shù)生成器，基于Mersenne Twister算法。
• 它是自包含的，完全在用戶進(jìn)程中運(yùn)行，不會(huì)調(diào)用操作系統(tǒng)或其他外部資源。
• 代碼非常穩(wěn)定，跨平臺(tái)性能一致，在任何平臺(tái)上編譯和運(yùn)行它，都會(huì)得到相似的性能和結(jié)果。

std::random_device

• 是一個(gè)真隨機(jī)數(shù)生成器，但其實(shí)現(xiàn)是不透明的，我們無法確切知道它的底層實(shí)現(xiàn)是什么，它會(huì)做什么，或者它的效率如何，不同系統(tǒng)實(shí)現(xiàn)不一定相同。
• 每次從std::random_device讀取隨機(jī)數(shù)時(shí)，可能會(huì)觸發(fā)系統(tǒng)調(diào)用，因此其性能（每字節(jié)的周期數(shù)）可能遠(yuǎn)低于std::mt19937。
• 它通常用于生成種子，而不是直接生成大量隨機(jī)數(shù)。
• 如果你為某些嵌入式設(shè)備或手機(jī)進(jìn)行交叉編譯，它的行為可能更加不可預(yù)測。

總結(jié)

• 對于簡單的隨機(jī)數(shù)需求，可以使用std::rand。
• 對于高質(zhì)量的隨機(jī)數(shù)，推薦使用std::mt19937引擎和分布，這是一個(gè)高效且可靠的偽隨機(jī)數(shù)生成器，適合在用戶進(jìn)程中生成大量隨機(jī)數(shù)。
• 對于高安全性場景，可以使用std::random_device生成真隨機(jī)數(shù)。
• std::random_device的行為因平臺(tái)而異，通常用于生成種子，而不是直接生成大量隨機(jī)數(shù)。
• 如果需要頻繁生成隨機(jī)數(shù)，建議避免反復(fù)創(chuàng)建和銷毀std::random_device對象，而是將其作為種子生成器，只初始化一次。