从前的随机数
C++11之前，无论是C，还是C++都使用相同方式的来生成随机数，代码大致如下：
由于rand()产生的是伪随机数，所以需要为rand函数提供种子。种子不同产生的随机数序列也不同。通常的做法是调用srand(time(0)），由于time返回的是系统时间，每秒都会不同，所以产生的随机数相同几率就会变得很小。
这种方式有一个难点，就是不容易控制输出结果的范围。特别是希望不是均匀分布的时候就更难。
随机数库（Random Number Library）
C++11中提供了随机数库，包括随机数引擎类（random-number engines）和随机数分布类(random-number distribution)。二者一般配合使用。
随机数引擎
标准库提供了多重随机数引擎，这里以default_random_engine类为例进行说明。
到这里为止，和之前的方式没有什么本质区别，只是形式不同。别忙，接着往下看。
随机数分布类
C++11通过随机数分布类来控制随机数引擎生成的随机数的分布情况。
生成平均分布的整数
代码中使用uniform_int_distribution<int>来控制随机数引擎生成0到10之间的整数。
生成平均分布的实数
代码中使用uniform_real_distribution来控制随机数引擎生成0到10之间的实数。
生成正态分布的实数
代码中使用normal_distribution<>来控制随机数引擎生成均值为2，标准差为0.25的正态分布数据。
生成概率可控的布尔值
代码中使用bernoulli_distribution来控制随机数引擎生成布尔值随机数，其中1的概率为0.3。
输出结果
补充：真正的随机数
C++11还提供了一个random_device随机数类。它并不是由某一个数学算法得到的随机序列，而是通过读取文件，读什么文件看具体的实现(Linux可以通过读取/dev/random文件来获取)。文件的内容是随机的，因为文件内容是计算机系统的熵（熵指的是一个系统的混乱程度）。也是当前系统的环境噪声，系统噪音可以通过很多参数来评估，如内存的使用，文件的使用量，不同类型的进程数量等等。Linux的熵来自键盘计时、鼠标移动等。
不过gcc好像并没有很好地实现这个类，我手里的Mingw4.9.0就不随机，每次运行都得到同样的序列。
总结
如果看一下C++11标准库，你会发现还有很多种随机数引擎类和随机数分布类。需要的时候去学吧。
到此这篇关于C++11新特性之随机数库(Random Number Library)的文章就介绍到这了,更多相关C++11随机数库内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
