开发过程中，经常会遇到生成随机数的需求，本文会详细介绍C++中生成随机数的方法以及一些注意事项。

随机数核心组件

C++11引入了库，这个库提供了随机数生成工具。

下面是C++中生成随机数的核心组件：

• 随机数引擎：生成伪随机数的算法。
• 随机数分布：将随机数引擎生成的数映射到特定范围或分布。
• 真随机数生成器：如std::random_device，用于生成高质量的随机数。

种子（Seed）

• 种子是随机数生成器的初始值。
• 相同的种子会生成相同的随机数序列。
• 常用种子来源：
• 当前时间：std::time(0)。
• 真随机数生成器：std::random_device。

伪随机数引擎

• std::mt19937：基于Mersenne Twister算法，周期长，随机性好。
• std::minstd_rand：线性同余生成器，速度快，但随机性较差。
• std::default_random_engine：默认引擎，实现可能因平台而异。

随机数分布

• 均匀分布：std::uniform_int_distribution、std::uniform_real_distribution。
• 正态分布：std::normal_distribution。
• 伯努利分布：std::bernoulli_distribution。

真随机数生成器

• std::random_device：依赖于硬件或操作系统提供的随机数源。
• 适用于生成种子或高安全性场景。

生成随机数的方法

std::rand

std::rand是C标准库中的随机数生成函数，C++中仍然可以使用，但它的随机性较差，且范围固定。

#include  #include // for std::rand and std::srand #include // for std::time int main() { // 使用当前时间作为种子 std::srand(std::time(0)); // 生成一个随机数 int random_value = std::rand(); std::cout << "Random value: " << random_value << std::endl; // 生成一个范围在 [0, 99] 的随机数 int random_in_range = std::rand() % 100; std::cout << "Random value in [0, 99]: " << random_in_range << std::endl; return 0;
}

缺点：

• std::rand生成的随机数质量较低。
• 范围限制需要手动调整（如%操作符）。
• 种子设置不够灵活。

std::random_device真随机数

std::random_device是一个真随机数生成器，通常用于生成高质量的随机数种子。

示例代码：

#include  #include  int main() { std::random_device rd; // 真随机数生成器 std::cout << "Random value: " << rd() << std::endl; return 0;
}

注意：

• 在某些平台上，std::random_device可能会退化为伪随机数生成器。
• 大量每次生成随机数都使用std::random_device，性能较差。
• 通常用于生成种子，而不是直接用于生成大量随机数。

伪随机数引擎和分布

C++11引入了多种伪随机数引擎和分布，可以生成高质量的随机数。

常用随机数引擎：

• std::default_random_engine：默认的随机数引擎。
• std::mt19937：Mersenne Twister算法，高质量随机数引擎。
• std::minstd_rand：线性同余生成器。

常用随机数分布：

• std::uniform_int_distribution：均匀分布的整数。
• std::uniform_real_distribution：均匀分布的浮点数。
• std::normal_distribution：正态分布的浮点数。
• std::bernoulli_distribution：伯努利分布（布尔值）。

示例代码：

#include  #include  int main() { // 使用 Mersenne Twister 引擎 std::mt19937 rng(std::random_device{}()); // 均匀分布的整数 [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; // 均匀分布的浮点数 [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; // 正态分布的浮点数（均值 0.0，标准差 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;
}

优点：

• 随机数质量高。
• 分布灵活，支持多种分布类型。

生成随机字符串

可以使用随机数生成器生成随机字符串。

示例代码：

#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;
}

注意事项

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

直接这样写有什么问题？

如果你只需要生成一次随机数，这样写没问题。但如果你需要多次生成随机数，最好避免反复创建和销毁std::random_device对象，因为这会带来不必要的开销。

原因：

• 每次创建std::random_device对象时，都会初始化一个新的文件句柄（在类Unix系统上，它通常是对/dev/urandom的封装），这会带来文件系统操作的开销。（不同操作系统的实现不同）
• 每次从std::random_device读取随机数时，都会触发系统调用（如read系统调用），这可能会影响性能。
• 在Windows系统上，std::random_device通常是对微软加密API的封装，每次创建和销毁std::random_device对象时，都会初始化和销毁加密库的接口，这也会带来额外的开销。

因此，如果需要频繁生成随机数，这种写法可能会导致性能问题。当然，如果你的应用程序对性能要求不高，这种写法也是可以接受的。

常见的写法：

在许多示例、网站和文章中，通常会看到以下写法：

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

这种写法的优点是：

• std::random_device只被创建一次，避免了反复初始化和销毁的开销。
• std::mt19937是一个伪随机数生成器，它的初始化只需要一个种子（由std::random_device提供），之后的所有随机数生成都在用户进程中完成，不会涉及系统调用。

std::mt19937vsstd::random_device

std::mt19937

• 伪随机数生成器，基于Mersenne Twister算法。
• 它是自包含的，完全在用户进程中运行，不会调用操作系统或其他外部资源。
• 代码非常稳定，跨平台性能一致，在任何平台上编译和运行它，都会得到相似的性能和结果。

std::random_device

• 是一个真随机数生成器，但其实现是不透明的，我们无法确切知道它的底层实现是什么，它会做什么，或者它的效率如何，不同系统实现不一定相同。
• 每次从std::random_device读取随机数时，可能会触发系统调用，因此其性能（每字节的周期数）可能远低于std::mt19937。
• 它通常用于生成种子，而不是直接生成大量随机数。
• 如果你为某些嵌入式设备或手机进行交叉编译，它的行为可能更加不可预测。

总结

• 对于简单的随机数需求，可以使用std::rand。
• 对于高质量的随机数，推荐使用std::mt19937引擎和分布，这是一个高效且可靠的伪随机数生成器，适合在用户进程中生成大量随机数。
• 对于高安全性场景，可以使用std::random_device生成真随机数。
• std::random_device的行为因平台而异，通常用于生成种子，而不是直接生成大量随机数。
• 如果需要频繁生成随机数，建议避免反复创建和销毁std::random_device对象，而是将其作为种子生成器，只初始化一次。