问C++11中的随机数生成:如何生成，如何工作？

EN

这个问题太宽泛了，无法给出一个完整的答案，但让我挑选几个有趣的观点：

为什么是“同等可能性”

假设您有一个简单的随机数生成器，它以相等的概率生成数字0、1、...、10 (可以将其视为经典的rand())。现在你想要一个0，1，2范围内的随机数，每个随机数的概率相等。您的下意识反应将是使用rand() % 3。但是等等，余数0和1比余数2出现得更频繁，所以这是不正确的！

这就是为什么我们需要适当的分布，它接受一个均匀随机整数的来源，并将它们转换为我们想要的分布，就像示例中的Uniform[0,2]。最好把它留给一个好的库！

引擎

因此，在所有随机性的核心是一个好的伪随机数生成器，它生成一个在特定间隔内均匀分布的数字序列，并且理想情况下具有非常长的周期。rand()的标准实现通常不是最好的，因此有一个选择是很好的。线性一致和Mersenne twister是两个很好的选择( rand()实际上也经常使用LG)；同样，让库处理它也很好。

它是如何工作的

简单:首先，设置一个引擎并播种它。种子完全决定了整个“随机”数字序列，因此a)每次使用一个不同的数字(例如，取自/dev/urandom)，以及b)如果您希望重新创建随机选择序列，则存储种子。

#include <random>

typedef std::mt19937 MyRNG;  // the Mersenne Twister with a popular choice of parameters
uint32_t seed_val;           // populate somehow

MyRNG rng;                   // e.g. keep one global instance (per thread)

void initialize()
{
  rng.seed(seed_val);
}

现在我们可以创建发行版了：

std::uniform_int_distribution<uint32_t> uint_dist;         // by default range [0, MAX]
std::uniform_int_distribution<uint32_t> uint_dist10(0,10); // range [0,10]
std::normal_distribution<double> normal_dist(mean, stddeviation);  // N(mean, stddeviation)

...And使用引擎创建随机数！

while (true)
{
  std::cout << uint_dist(rng) << " "
            << uint_dist10(rng) << " "
            << normal_dist(rng) << std::endl;

}

并发性

比起传统的rand()，更倾向于<random>的另一个重要原因是，现在如何让随机数生成线程安全变得非常清楚和明显:要么为每个线程提供自己的线程本地引擎，在线程本地种子上播种，要么同步对引擎对象的访问。

其他

codeguru.

• Wikipedia上的
• An interesting article on TR1 random有一个很好的总结(谢谢，@Justin)。
• 原则上，每个引擎都应该定义一个result_type，这是用于种子的正确整数类型。我想我曾经有一个错误的实现，这迫使我强制std::mt19937的种子在x64上为uint32_t，最终这应该被修复，你可以说MyRNG::result_type seed_val，从而使引擎非常容易be

随机数生成器是一个方程，给定一个数字，它会给你一个新的数字。通常，您可以提供第一个数字，也可以从系统时间之类的内容中提取。

每次您请求一个新的数字时，它都会使用以前的数字来执行等式。

如果随机数生成器倾向于比其他数更频繁地生成相同的数，则它被认为不是很好。也就是说，如果你想要一个介于1和5之间的随机数，并且你有这样的数字分布：

• 1: 1%
• 2:80%
• 3:5%
• 4:5%H195: 9%

2比其他数字生成的频率要高得多，因此它比其他数字更有可能生成。如果所有的数字都是一样的，那么你每次都有20%的机会得到每个数字。换句话说，上面的分布是非常不均匀的，因为2是受欢迎的。所有20%的分布将是均匀的。

通常，如果你想要一个真正的随机数，你应该从天气或者其他自然资源中提取数据，而不是从随机数生成器中提取数据。