新旧C++生成随机浮点数方法，你喜欢哪个？

一、在C++11之前，我们通常采用rand函数来生成随机数。

有时我们想用rand生成一组随机数，即使我们调用了srand，但生成的还是相同值。为什么会产生这种情况？又该如何解决？下面将用第一视角一起探究这其中的奥秘。

场景描述：

想生成一组整形随机数，放入数组中，用来测试自己的排序是否正确。

于是我写出了下方代码，生成随机数。

先简单了解下用到的函数：

//返回time_t类型的 当前时间的时间戳
time_t time (time_t* timer);
 
//传入一个种子，为伪随机数生成器初始化
void srand (unsigned int seed);
 
//得到一个整形伪随机数
int rand (void);
 
#include 
#include 
#include 
 
int main()
{
    int arr[10] = { 0 };
 
    for (int i = 0; i < 10; ++i)
    {
        srand((unsigned int)time(NULL));
        //两个相减是为了出现负的随机数，使测试范围更广
        arr[i] = (rand() % 100 + 1) - (rand() % 100 + 1);
 
        printf("%d ", arr[i]);
    }
 
    return 0;
}

我发现尽管我调用了srand函数，可生成的数组值还是同一个。我思考后想到，因为for循环执行速度太快，整个程序都是在一秒内完成的。所以出现了都是同一个值的情况。

初步解决

于是我想出了下面的解决方法：

我可以在for循环内调用Sleep函数，让我的电脑休眠一下，这样就不会出现上述情况了。

于是我写出了下方的代码：

 
#include 
#include 
#include 
#include 
 
 
int main()
{
    int arr[10] = { 0 };
 
    for (int i = 0; i < 10; ++i)
    {
        Sleep(1000);
        srand((unsigned int)time(NULL));
        arr[i] = (rand() % 100 + 1) - (rand() % 100 + 1);
 
        printf("%d ", arr[i]);
    }
 
    return 0;
}

通过休眠后，就成功解决问题了。可是，

如果睡眠时间太短，那么还是会出现重复的现象；

如果睡眠时间太长，程序运行速度就太慢。

最终方法

因为上述的原因，又详细了解了一下rand和srand的基本原理，最终成功解决了该问题。

给srand函数传入一个数值后，srand会根据这个生成一个随机序列表（通常有4,294,967,296个数），传入相同的数生成的序列表是相同的。然后rand从序列的头部取出一个数返回，然后将这个数放在随机序列表尾部，因此如果你要取的数据量非常大，是会出现与之前取出的数重复的情况。

此时，上面出现的问题也很好解决了。因为计算机运行速度很快，所以我们每次进入循环都会生成一个相同的随机序列表，rand函数只会取出其第一个数。

要解决这个问题，我们只需要在循环前调用一次srand函数就好了，这样就不会重复生成序列表了。

下方是最终形式的代码：

#include 
#include 
#include 
 
int main()
{
    int arr[10] = { 0 };
 
    srand((unsigned int)time(NULL));
    for (int i = 0; i < 10; ++i)
    {
        arr[i] = (rand() % 100 + 1) - (rand() % 100 + 1);
 
        printf("%d ", arr[i]);
    }
 
    return 0;
}

但rand函数对一些情况显得难以处理：

不同范围的随机数

需要随机浮点数

需要非均匀分布的随机数

二、C++11定义在头文件random中的随机数库

下文将使用C++11定义在头文件random中的随机数库通过一组协作的类来解决这些问题：随机数引擎类和随机数分布类。

一个引擎类可以生成unsigned随机数序列

一个分布类使用一个引擎类生成指定类型的、在给定范围内的、服从特定概率分布的随机数

1、生成等概率随机数

生成随机整数

uniform_int_distribution：产生均匀分布的整数

template  
class uniform_int_distribution;
 
// IntType
// An integer type. Aliased as member type result_type.
// By default, this is int.
 
 
 
#include 
#include 
#include 
using namespace std;
 
int main()
{
    //产生[1, 100]左闭右闭区间的随机整数
  uniform_int_distribution u(1, 100);
  default_random_engine e;
    //为随机数引擎设置随机种子，若不设置每次生成的随机数相同(可以创建时设置)
    //类似srand的用法,相同的种子生成的随机数相同
    //default_random_engine e(time(NULL));
    e.seed(time(NULL));
 
  for (size_t i = 0; i < 10; ++i)
  {
    cout << u(e) << " ";
  }
  cout << endl;
 
  return 0;
}

生成随机浮点数

uniform_real_distribution：产生均匀分布的实数

 template  
class uniform_real_distribution;
 
// RealType
// A floating-point type. Aliased as member type result_type.
// By default, this is double.

#include 
#include 
#include 
using namespace std;
 
int main()
{
    //生成[-1, 1]范围随机浮点数
    //模板参数只能是浮点类型（float，double， long double）
  uniform_real_distribution u(-1, 1);
    default_random_engine e(time(NULL));
 
  for (size_t i = 0; i < 10; ++i)
  {
    cout << u(e) << " ";
  }
  cout << endl;
 
  return 0;
}

2、生成非均匀分布随机数

正态分布随机数

template  
class normal_distribution;

#include 
#include 
#include 
using namespace std;
 
int main()
{
    //生成符合均值为10，标准差为2的随机数
  normal_distribution u(10, 2);
    default_random_engine e(time(NULL));
    
  for (size_t i = 1; i <= 100; ++i)
  {
    printf("%-9.6lf ", u(e));
    if (i % 10 == 0)
    {
      cout << endl;
    }
  }
    cout << endl;
 
  return 0;
}

二项分布的布尔值

class bernoulli_distribution;
 
#include 
#include 
#include 
using namespace std;
 
int main()
{
  // 生成1的概率为0.7
  bernoulli_distribution u(0.7); 
    default_random_engine e(time(NULL));
 
  for (int i = 0; i < 10; i++) {
    cout << u(e) << " ";
  }
    cout << endl;
 
  return 0;
}

简单分享，快乐学习，如有错误请多包涵！

感谢你的点赞、收藏！