应使用 std::shuffle，它是 fisher-yates 的标准实现，要求传入 uniformrandombitgenerator（如 std::mt19937），避免 rand() % n 的分布不均、线程不安全和不可复现问题。
直接用 std::shuffle，别写手搓循环——它就是 Fisher-Yates 的标准实现，且已规避所有经典陷阱。
std::shuffle 是 Fisher-Yates 的现代封装，不是“可选方案”
你写的所谓“手撸 for 循环 + rand() % size”大概率是错的：分布不均、线程不安全、不可复现。而 std::shuffle 内部正是从后往前迭代、每次在 [0, i] 范围内均匀采样并交换，完全对应 Knuth-Durstenfeld 版 Fisher-Yates。
关键点在于它强制你传入一个 UniformRandomBitGenerator（如 std::mt19937），而不是依赖全局 std::rand()。
-
std::random_shuffle在 C++17 已被移除，任何还在用它的代码都该立即替换 - 只传两个迭代器（如
v.begin(), v.end()）会编译失败——std::shuffle没有无参重载 - 引擎必须显式构造，例如
std::mt19937 g{std::random_device{}()}，不能只写std::mt19937 g（否则种子恒为 0）
常见错误：rand() % n 导致的分布倾斜
现象：打乱 100 张牌，某些排列出现频率明显偏高，尤其当容器大小和 RAND_MAX 不成整除关系时（比如 RAND_MAX == 32767，而 n == 1000）。
原因：rand() % n 实际把 [0, RAND_MAX] 划分为若干长度为 n 的块，余数部分（RAND_MAX % n）会被“重复映射”，造成前 RAND_MAX % n 个索引概率更高。
- 用
std::uniform_int_distribution<int>{0, i}(g)</int>替代rand() % (i+1)，它内部使用拒绝采样，保证严格均匀 - 不要对
std::list或std::forward_list调用std::shuffle——它要求随机访问迭代器，否则编译不过 - 若需复现结果（如测试、回放），固定种子：
std::mt19937 g{12345}，而非用std::random_device
原地洗牌的边界条件：i > 0 还是 i >= 0？
标准 Fisher-Yates 从最后一个元素（i = n-1）开始，到第二个元素（i = 1）结束，即循环条件为 i > 0。此时共进行 n-1 次交换，已足够生成全部 n! 种排列。
若写成 i >= 0，最后一次交换是 swap(v[0], v[0])，冗余但无害；但若逻辑误写为 i >= 1，则漏掉第 0 位与自身的“有效”交换机会，破坏等概率性。
- 正确写法：
for (int i = v.size() - 1; i > 0; --i) - 错误写法：
for (int i = 0; i （这是正向版本，需配合 <code>rand() % (i+1)，但容易下标混淆） - 更安全的做法：直接用
std::shuffle(v.begin(), v.end(), g)，不用自己推导循环范围
真正容易被忽略的是：洗牌算法的“正确”不只看能不能动起来，而在于每种排列出现的概率是否严格相等。这取决于随机源质量、取模/分布方式、以及是否引入隐藏状态——这些细节 std::shuffle 都已封装好，你只需管好种子和引擎类型。
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！
