rand()不能直接用，因其秒级种子导致重复序列、范围固定且低位周期短，%取模会引入偏差；应改用std::mt19937配random_device种子和uniform分布。

rand() 为什么不能直接用

因为 rand() 默认只靠 srand(time(nullptr)) 初始化，种子分辨率只有秒级，同一秒内多次运行程序会得到完全相同的随机数序列；而且它生成的整数范围固定为 [0, RAND_MAX]（通常为 32767），分布也不均匀，低位比特周期极短——比如对 2 取模时，奇偶性会呈现明显规律。

常见错误现象：rand() % 10 生成 0–9 时，偶数出现频率显著偏高；在循环中快速调用 rand() 却发现输出重复、卡在某个值上。

• 不要在循环里反复调用 srand(time(nullptr)) —— 这会让所有后续 rand() 都返回同一个数
• 避免用 % 截断范围，改用 rand() / (RAND_MAX + 1.0) * range 或直接换引擎
• 多线程环境下 rand() 不是线程安全的，rand_r() 才是替代方案（但依然不推荐）

std::mt19937 是什么，怎么初始化才靠谱

std::mt19937 是 C++11 引入的梅森旋转算法实现，周期长达 2¹⁹⁹³⁷−1，且通过了严格的统计测试。但它本身不产生“随机”，只是个确定性引擎，关键在初始化器（seed）。

错误做法：std::mt19937 gen(time(nullptr)) —— 秒级种子仍不够；std::mt19937 gen(42) —— 每次都一样，仅适合调试。

• 生产环境推荐用 std::random_device 作为种子源：std::random_device rd; std::mt19937 gen(rd())
• 若需可复现结果（如单元测试），用固定种子但注明用途：std::mt19937 gen(0x12345678)
• 注意 std::random_device 在某些平台（如 MinGW）可能退化为伪随机，可用 rd.entropy() > 0 判断是否真随机

如何生成指定范围的整数或浮点数

std::mt19937 本身只输出 uint32_t（或 uint64_t 对应 std::mt19937_64），要得到任意范围需配合分布类。硬编码计算容易出错，也破坏可读性。

C++14

C++14 对 C++11 的修正与增强版本，适合旧系统维护和较老工具链兼容。

下载

典型错误：手写 (gen() % 100) + 1 或 static_cast(gen() * 100.0 / gen.max()) —— 前者引入偏差，后者因整数除法精度丢失导致边界不均等。

• 整数范围 [a, b]（含端点）：用 std::uniform_int_distribution dist(a, b)，然后 dist(gen)
• 浮点范围 [a, b)：用 std::uniform_real_distribution dist(a, b)
• 避免重复构造分布对象——它轻量，但频繁构造可能影响性能；建议按需定义一次，复用 gen

为什么 std::mt19937 比 rand() 快，但有时反而更慢

单次调用 std::mt19937::operator()() 确实比 rand() 快，因为它是纯函数式状态更新，无全局锁、无分支预测失败。但实际性能取决于你怎么用。

常见反模式：std::mt19937 gen(rd()); for(...) { std::uniform_int_distribution d(1,6); auto r = d(gen); } —— 每次循环都新建分布对象，构造开销远超引擎本身。

• 把分布对象提到循环外，让它复用内部预计算参数
• 如果只需要 0–1 浮点数，直接用 gen() 转 double 更快：static_cast(gen()) / gen.max()
• 嵌入式或资源受限场景慎用 std::mt19937（2.5KB 状态缓存），可考虑 std::minstd_rand 或 xorshift 变体

真正难的不是选哪个 API，而是理解“随机”背后的状态管理、种子质量与分布语义——漏掉任意一环，看似跑通的代码，上线后可能在某个时间点、某台机器上突然开始重复发优惠券，或者 AI 训练时数据打乱失效。

C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！