67、STL与随机数：随机数引擎、随机数分布、随机数生成器

说到随机数，很多C++老手第一反应还是rand()和srand()。嗯，我承认，早年我自己也是这么写的。直到有一次在项目中做蒙特卡洛模拟，发现rand()的周期太短，分布质量也堪忧，结果模拟出来的数据明显有规律可循——那叫一个尴尬。

从C++11开始，STL引入了一套全新的随机数设施。说白了，就是把「随机数怎么产生」和「产生什么样的随机数」这两件事彻底分开了。你想想看，这设计多清爽：引擎只管吐原始比特，分布器负责把这些比特变成你想要的形状。

随机数引擎：底层的「搅碎机」

引擎是随机数体系的基石。它负责维护内部状态，并根据算法生成伪随机数序列。STL提供了几种常用引擎：

引擎名称	特点	适用场景
std::mt19937	梅森旋转算法，周期长达2^19937-1	通用场景，我最常用这个
std::minstd_rand	线性同余，速度快但周期短	嵌入式或对性能要求极高的场景
std::ranlux48	滞后斐波那契，质量高但慢	需要高质量随机数的科学计算

我个人习惯用std::mt19937。为什么？因为它在速度和随机性质量之间取得了很好的平衡。我在项目中做过测试，mt19937生成一亿个随机数也就一两秒的事，完全够用。

随机数分布：把比特变成你想要的形状

引擎吐出来的是一堆无符号整数，但实际应用中我们需要各种分布的随机数。分布器就是干这个的。

常用的分布器有这些：

• 均匀分布：std::uniform_int_distribution 和 std::uniform_real_distribution。最常用，没有之一。
• 正态分布：std::normal_distribution。模拟自然现象、误差分析时必备。
• 伯努利分布：std::bernoulli_distribution。模拟抛硬币、开关事件。
• 泊松分布：std::poisson_distribution。模拟单位时间内事件发生的次数。

我曾经在做一个网络延迟模拟器时，需要生成符合正态分布的延迟值。用std::normal_distribution配合mt19937，几行代码就搞定了。要是用rand()自己实现正态分布？那代码量至少翻三倍，还容易出bug。

实战：一个完整的随机数生成器

下面是一个完整的例子，展示了如何生成各种分布的随机数：

#include <iostream>
#include <random>
#include <vector>
#include <algorithm>

int main() {
    // 1. 创建引擎并初始化种子
    std::random_device rd;
    std::mt19937 gen(rd());

    // 2. 创建分布器
    std::uniform_int_distribution<int> dis_int(1, 100);
    std::uniform_real_distribution<double> dis_real(0.0, 1.0);
    std::normal_distribution<double> dis_normal(50.0, 10.0);  // 均值50，标准差10

    // 3. 生成随机数
    std::cout << "均匀整数（1-100）：" << dis_int(gen) << std::endl;
    std::cout << "均匀浮点数（0-1）：" << dis_real(gen) << std::endl;
    std::cout << "正态分布（均值50）：" << dis_normal(gen) << std::endl;

    // 4. 批量生成并统计
    std::vector<double> samples;
    for (int i = 0; i < 10000; ++i) {
        samples.push_back(dis_normal(gen));
    }

    // 计算均值和标准差
    double sum = std::accumulate(samples.begin(), samples.end(), 0.0);
    double mean = sum / samples.size();
    std::cout << "实际均值：" << mean << std::endl;

    return 0;
}

避坑指南：我踩过的那些坑

我曾经在写一个多线程程序时，让每个线程共享同一个引擎对象。结果发现生成的随机数序列高度相关，完全失去了随机性。后来才意识到，引擎不是线程安全的，每个线程必须有自己的引擎实例。

还有一次，我为了图方便，直接用std::default_random_engine。结果在不同编译器上跑出来的结果完全不一样。为什么？因为default_random_engine是「实现定义」的，不同平台可能用不同的算法。所以，我建议你总是显式指定引擎类型，别偷懒。

知识体系一览

下面这张图帮你理清随机数体系的整体结构：

从这张图可以看得很清楚：引擎在最底层，负责「出力」；分布器在中间层，负责「塑形」；而我们在代码中实际使用的，是引擎和分布器的组合——也就是一个完整的随机数生成器。

总结一下

STL的随机数设施，说白了就是「引擎负责生成，分布器负责整形」。这种分离设计让代码更灵活、更可维护。你可以在不改变分布逻辑的情况下更换引擎，也可以在不改变引擎的情况下更换分布器。

嗯，最后提醒一句：rand()该退休了。从C++11开始，请用<random>头文件里的这套设施。你的代码会更健壮，你的随机数会更「随机」。