广州市越秀区建设和水务局网站电商法规定企业网站必须做3年

一、简介

在C语言中常使用srand()+random()的方式生成随机数，该方式并不是一个很好的随据说生成方法，一方面是因为其生成的随机数质量较低，另一方面其随机数范围也有所限制。在C++11中推荐使用随机数引擎的方式生成随机数。

如何高效得生成高质量得随机数（甚至需要满足指定分布）是一个复杂的问题，本文只给出C++11中常用的用于生成均匀分布、正态分布等特定分布的随机数代码，并不对随机数生成理论进行解释。

二、代码示例

1. 均匀分布uniform distribution

#include <iostream>
#include <random>int main()
{std::random_device rd;                             // 生成随机数种子std::mt19937 gen(rd());                            // 定义随机数生成引擎std::uniform_int_distribution<> distrib_int(1, 6); // 定义随机数分布，生成在[1,6]之间的的均匀分布整数for (int n = 0; n != 10; ++n){std::cout << distrib_int(gen) << ' ';}std::cout << '\n';std::uniform_real_distribution<> distrib_real(1.0, 6.0); // 定义随机数分布，生成在[1.0,6.0]之间的的均匀分布实数for (int n = 0; n != 10; ++n){std::cout << distrib_real(gen) << ' ';}std::cout << '\n';return 0;
}

2. 正态分布Normal distribution

生成其他分布的随机数跟生成均匀分布的随机数类似，只需要改变随机数生成器即可。生成均值为5.0，标准差为2.0的随机数可以使用以下随机数生成器：

std::normal_distribution distrib_normal(5.0, 2.0);

3. 泊松分布Poisson distribution

std::poisson_distribution<> d(4);

4. 离散采样分布Discrete distribution（整数）

// 假设存在4种事件，
// 事件1发生的概率为 40/(40+10+10+40)，
// 事件2发生的概率为 10/(40+10+10+40)，
// 事件3发生的概率为 10/(40+10+10+40)，
// 事件4发生的概率为 40/(40+10+10+40)，
// 那么，采样四种事件的随机数生成器如下：
std::discrete_distribution<> d({40, 10, 10, 40});

三、参考

[1]. cppreference Standard library header <random>.