问使用c++11随机头生成随机数

EN

首先，请注意，std::default_random_engine和std::uniform_int_distribution<int>在同一意义上都是不可移植的，就像rand()不可移植一样:它们不会在不同的平台上产生相同的数字序列，因为它们的行为是由实现定义的。对于uniform_int_distribution来说，实际上没有可移植的替代方案，所以它是镇上最好的游戏。但是对于PRNG本身，我不认为任何专家会推荐default_random_engine。只需选择一个已知的引擎，如std::mt19937。(这是不太好，但这也是目前镇上唯一的游戏。)

对于种子:请注意，您只向PRNG的构造函数提供了32位种子(以及一个非常可预测的种子)。您应该从random_device中播种，类似于这样(从这里偷来的)：

std::random_device rd;
int data[624];
std::generate_n(data, std::size(data), std::ref(rd));
std::seed_seq sseq(data, std::end(data));
std::mt19937 g(sseq);

(当然，在实践中没有人这样做。)

for (int i = 1; i <= 100; i++)

首选

for (int i = 0; i < 100; ++i)

即使这意味着您必须在循环中引用i+1。在C和C++以及每种现代语言中，使用从0开始的半开放范围是很好的实践。

std::uniform_int_distribution<int> num(1, 100);

就我个人而言，我会写成

auto dist = std::uniform_int_distribution<int>(1, 100);

以获得一个漂亮的清晰=分离可见一目了然。另外，请注意我的常规变量名：rd用于随机设备，g用于PRNG本身，dist用于分发。使用比dist更具有描述性的名称可能是有意义的.但是毫无疑问，num并不是描述性更强，而num则不那么真实--发行版不是单个数字！

最后，您不需要最终的return 0 (默认情况下，main返回0)，也不需要std::endl，因为'\n' (或"\n")也一样。

但是基本上你做的是正确的:在循环之外创建的PRNG，从循环内部调用类似a函数的发行版。

如果需要，也可以将发行版的变量定义移出循环之外。在实践中，这可能并不重要，因为uniform_int_distribution不太可能在迭代之间保留任何状态。但是，如果它是一个std::normal_distribution，那么每次通过循环销毁和重新创建分发将基本上要花费您速度的50%。

auto dist = std::uniform_int_distribution<int>(1, 100);
for (int i = 0; i < 100; ++i) {
    std::cout << (i+1) << "==> " << dist(g) << '\n';
}

不幸的是，我不知道有什么源代码能够很好地介绍标准<random>库。我几年前就写过这篇文章，但那时它还是全新的，我主要是在介绍它；它并不是一个真正全面的教程。

不过，我可以给您一些关于代码的建议。

std::default_random_engine random_engine(time(0));

使用std::time()为随机数生成器添加种子通常是不明智的，原因有很多。

首先，不能保证返回类型实际上可以用作种子，因为它可能不能转换为无符号整数类型。(实际上，我从未见过这样的平台，因为返回类型是所有POSIX平台上32位签名的int )。

其次，返回类型通常(可能总是)只有1秒左右。这意味着，如果程序在一秒钟内运行两次，它将产生完全相同的“随机”序列。

第三，这是一个可预测的价值。如果我想控制你的程序，我所要做的就是把我的时钟设置为一个时间来生成我想要的序列。

在实践中，随机引擎种子的通常方法是使用std::random_device。现在它通常是不确定的(所以，完全不可预测)，但它是那些不能保证在任何地方都能正常工作的东西之一(尽管它几乎肯定在大多数人需要的地方都能正常工作)。

所以你要做的就是：

std::random_device rd;
std::default_random_engine random_engine(rd());

// or, in one line:
std::default_random_engine random_engine(std::random_device{}());

下一步：

for (int i = 1; i <= 100; i++)
{
    std::uniform_int_distribution<int> num(1, 100);
    std::cout << i << "==> " << num(random_engine) << std::endl;
}

将分发移出循环可能更有效：

std::uniform_int_distribution<int> dist(1, 100);

for (int i = 1; i <= 100; i++)
{
    std::cout << i << "==> " << dist(random_engine) << '\n';
}

最后，给出一些简单的建议：

1. 我发现唯一需要使用的引擎是mersenne_twister_engine和linear_congruential_engine。mt19937 (即mersenne_twister_engine)应该是您的默认选择。我在模拟中使用了LCG，其中每个实体都有自己的随机数生成器，因为Mersenne是伟大的…但也是巨大的和相对缓慢的。LCG很小，而且速度很快，但不会产生很大的随机性…但有时候这没什么。
2. 我发现唯一需要经常使用的发行版是uniform_int_distribution和normal_distribution。
   • 均匀分布适用于以下情况:您希望在两个值之间设置一个数字，而两者之间的每个值都是相同的--例如，滚动一个模具或从一个组中选择一个值(比如从帽子中提取一个名称)。
   • 正态分布是指你想要“自然”随机性的情况--例如，在一场游戏中击中后造成的伤害(攻击造成的“名义”伤害可能是100，然后你使用正态分布的随机性来“接近”，所以99或101更有可能超过95或105)。我使用了其他发行版，比如bernoulli_distribution，来模拟一些事情，比如说，62%的成功机会被一遍又一遍地完成。但即便如此，我通常也只是使用正态分布。

3. 如果您需要更改发行版的范围，您可以直接给它分配一个新值，或者使用param()函数。