在C++中，当我们需要生成一个随机数的时候，我们通常会使用rand()函数，但你知道使用rand()可能会遇到什么问题吗？在工程实践中生成随机数还有什么更好的方案吗？如果我们想要生成满足正态分布的随机数，该怎么做？让我们一起来了解一下吧！

rand() 和 srand()

int rand (void);

rand()是标准库 <cstdlib>中的一个函数，这个函数不接受任何参数，并“随机”返回一个在 0 和 RAND_MAX 之间的整数。RAND_MAX 是在标准库中预定义的一个常量，通常为32767。

如果想要获得指定范围里的随机数，则需要通过下面这种方法：

c++
v1 = rand() % 100;         // v1 in the range 0 to 99
v2 = rand() % 100 + 1;     // v2 in the range 1 to 100
v3 = rand() % 30 + 1985;   // v3 in the range 1985-2014

这是一个简单的连续生成五个随机数的代码：

c++
#include <cstdlib>
#include <iostream>

int main()
{
    // 生成随机数
    for (int i = 0; i < 5; ++i)
    {
        std::cout << "Random Number: " << rand() << std::endl;
    }

    return 0;
}

如果你多次运行这个程序，你会发现每次得到的随机数以及随机数的顺序都是一样的，如下图：

这是因为 rand() 实际上是一个伪随机数生成器，它基于一个种子值生成随机数序列，如果种子是固定的，那么生成的随机数序列也是固定的。这个种子值默认是1，所以每次得到的结果都是一样的。如果你想要每次运行程序时都得到不同的随机数，则需要在每次程序运行时都通过 srand() 显式设置不同的种子值：

c++
#include <cstdlib> // for rand() and srand() functions
#include <iostream>
#include <ctime> // for time() function

int main() {
    srand(time(0)); // 设种子值为当前系统时间
    int randomNumber = rand();
    std::cout << "Generated random number: " << randomNumber << std::endl;
    return 0;
}

在这个例子中，我们使用当前时间作为种子值，因此每次运行程序时，都会生成不同的随机数。

缺陷

尽管rand()和srand()函数能够满足一些基本的随机数生成需求，但是它们却存在着一些已知缺陷：

1. 低质量的随机数：rand() 在生成随机数时使用的算法相对简单，导致生成的随机数质量不高。比如说最终的输出在全范围内可能并不满足均匀分布。
2. 种子生成问题：虽然使用 srand(time(0)) 可以生成不同的随机数，但如果在一秒内多次调用，会生成相同的种子，从而生成相同的随机数。
3. 线程安全问题：rand() 和 srand() 函数在多线程环境中是不安全的，因为它们共享一个全局的种子值，如果某个线程改变了种子值，也会同时改变其他的线程生成随机数的过程。

random 库

为了解决以上问题，C++11 引入了 <random> 库，它提供了多个不同算法的随机数生成器和随机数分布选项（如均匀分布、正态分布、伯努利分布等），可以满足更为复杂要求更高的随机数生成需求，同时也具备了多线程的安全性。

下面是一个使用<random>库的示例，该示例生成一个在1到6之间的均匀分布的随机整数，模拟掷骰子的情况：

示例1：生成均匀分布的随机整数

c++
#include <random>
#include <iostream>

int main() {
    // 创建一个随机种子
    std::random_device rd;

    // 使用 Mersenne Twister 算法初始化一个随机数生成器
    std::mt19937 gen(rd());

    // 创建一个在 1 到 6 之间的整数的均匀分布
    std::uniform_int_distribution<> dis(1, 6);

    // 使用分布对象生成一个随机整数并打印
    std::cout << "Random dice roll: " << dis(gen) << std::endl;

    return 0;
}

这里的 std::random_device 在操作系统和硬件支持的情况下可以生成真随机数，否则的话会退化成伪随机数生成器。

示例2：生成正态分布的随机数

c++
std::random_device rd;  // 随机设备
std::mt19937 gen(rd()); // 初始化 Mersenne Twister 伪随机数生成器
std::normal_distribution<> d(5, 2); // 均值为5，标准差为2的正态分布

for(int n=0; n<10; ++n)
    std::cout << d(gen) << ' '; // 输出10个符合该正态分布的随机数
std::cout << '\n';

在这段中，我们创建了一个均值为 5，标准差为 2 的正态分布。然后生成了10个符合该分布的随机数。

运行示例：

可以看到每次运行的结果都是不一样的。

多线程的安全性

下面这段代码是在多线程程序中使用rand()生成随机数的例子：

c++
#include <iostream>
#include <thread>
#include <cstdlib>

void generate_random_numbers(int id, int seed) {
    srand(seed);
    for (int i = 0; i < 5; ++i) {
        int random_number = rand();
        std::cout << "Thread " << id << ": " << random_number << "\n";
    }
}

int main() {
    std::thread t1(generate_random_numbers, 1, 123);
    std::thread t2(generate_random_numbers, 2, 456);

    t1.join();
    t2.join();

    return 0;
}

在这个例子中，两个线程都在生成随机数，由于 srand() 改变的是全局的种子值，当一个线程调用的 srand() 时，另一个线程生成随机数的种子也会随之改变，导致输出的结果不符合预期。

相比之下，如果我们使用 <random> 库，每个线程可以有自己的随机数生成器，这样就可以避免这个问题，下面的代码展示了如何在多线程环境中使用 <random> 库：

c++
#include <iostream>
#include <thread>
#include <random>

void generate_random_numbers(int id, int seed) {
    std::mt19937 engine(seed);
    std::uniform_int_distribution<int> dist(0, 100);

    for (int i = 0; i < 5; ++i) {
        int random_number = dist(engine);
        std::cout << "Thread " << id << ": " << random_number << "\n";
    }
}

int main() {
    std::thread t1(generate_random_numbers, 1, 123);
    std::thread t2(generate_random_numbers, 2, 456);

    t1.join();
    t2.join();

    return 0;
}

在这个例子中，每个线程都有自己的随机数引擎对象，所以它们的随机数生成行为不会互相干扰。

结论

虽然 rand() 和 srand() 函数在某些简单的情况下仍然是可用的，但是由于它们的缺陷和限制，建议在现代C++程序中使用<random>库来生成随机数。<random>库提供了强大且灵活的随机数生成和分布机制，能够满足各种各样的需求。

希望这篇博客能帮助你理解C++中的随机数生成，并了解如何使用<random>库来生成高质量的随机数。事实上，<random>库的功能极其丰富，你可以根据自己需要查阅更多的有关资料。如果你有任何问题或者想要讨论更多关于C++的话题，欢迎在评论区留言。

参考链接：

https://learn.microsoft.com/en-us/cpp/standard-library/random?view=msvc-170