C++怎么生成随机数 C++ rand与mt19937随机数引擎用法【示例】

rand() 因随机质量差、模偏差、线程不安全且依赖全局状态，现已不推荐使用；应改用 std::mt19937 配合 std::random_device 和分布类，确保线程安全与高质量随机性。

rand() 为什么现在不推荐用了

因为 rand() 是 C 标准库遗留函数，生成的伪随机数质量差、范围固定（RAND_MAX 通常只有 32767），且无法控制分布类型。更严重的是，它依赖全局状态，多线程下不安全，且种子只能用 srand() 设一次——哪怕你反复调用 srand(time(nullptr))，在快速循环中极易得到重复序列。

常见错误现象：rand() % 100 看似生成 0–99，但若 RAND_MAX 不是 100 的整数倍，低值概率会略高（模偏差）；用 time(nullptr) 在一秒内多次初始化，结果全一样。

• 不要

  

  用 rand() 做密码学、模拟、游戏逻辑等对随机性有要求的场景
• 不要在循环里反复调用 srand()
• 避免 rand() % N，改用 rand() / (RAND_MAX / N + 1)（仍不推荐，仅作对比理解）

mt19937 是什么，怎么正确初始化

std::mt19937 是 C++11 引入的 Mersenne Twister 引擎，周期长（2¹⁹⁹³⁷−1）、统计性质好、速度快，是当前最常用的标准随机引擎。但它本身只产生均匀分布的 32 位无符号整数（uint32_t），必须配合分布类（如 std::uniform_int_distribution）才能得到指定范围或类型的随机值。

关键点：引擎要独立实例化，不能全局共享；种子应使用 std::random_device 获取真随机熵，而非 time(nullptr)。

std::random_device rd;                    // 真随机源（通常读 /dev/urandom 或 CryptGenRandom）
std::mt19937 gen(rd());                   // 用真随机数初始化 mt19937
std::uniform_int_distribution dis(1, 100); // 定义 [1, 100] 均匀分布
int x = dis(gen);                         // 每次调用生成一个 int

• std::random_device 可能不可用或退化为伪随机（如 MinGW），可用 rd.entropy() == 0 判断
• 若需可复现结果（如单元测试），可传固定种子：std::mt19937 gen(42)
• 引擎对象（gen）建议按需创建或作为局部静态变量，避免跨线程共享

生成不同范围和类型的随机数

分布类负责把引擎输出映射到目标范围与类型，不是引擎本身决定的。同一个 std::mt19937 实例可搭配多个分布对象，互不影响。

• 生成 [0, 1) 的浮点数：std::uniform_real_distribution dis(0.0, 1.0)（注意右边界不包含）
• 生成 char 范围的字母：std::uniform_int_distribution dis('a', 'z')，再转 char(dis(gen))
• 生成负数区间 [-10, 10]：std::uniform_int_distribution dis(-10, 10)
• 避免写 dis(gen) % 10——分布类已处理模偏差，直接用它即可

性能提示：分布对象构造开销小，可复用；引擎调用是主要耗时，但 mt19937 很快，一般无需缓存结果。

多线程环境下怎么安全用

每个线程必须拥有自己的 std::mt19937 实例。共享引擎会导致数据竞争，结果不可预测，且破坏随机性。

典型错误：把 gen 声明为全局或静态变量，然后多线程并发调用 dis(gen)。

• 推荐方式：在线程函数内创建引擎和分布，或使用线程局部存储（thread_local std::mt19937 gen(rd())）
• std::random_device 通常是线程安全的，但某些实现可能不是；若担心，可在主线程生成一个种子，再用它初始化各线程的 mt19937
• 不要试图用 mutex 保护单个引擎——锁开销大，且违背随机数生成的并发意图

真正容易被忽略的是：即使你只用一个线程，如果对象生命周期管理不当（比如分布对象比引擎先销毁），也可能引发未定义行为。确保分布对象的生存期不长于它所使用的引擎。