std::uniform_int_distribution配合std::mt19937是c++11起唯一推荐的高性能无偏整数随机生成方式；它用拒绝采样保证闭区间均匀性，需以std::random_device初始化引擎、复用分布对象，多线程下须隔离引擎实例。
用 std::uniform_int_distribution 生成整数范围随机数
直接用 rand() 取模会严重破坏均匀性，尤其当范围不能整除 RAND_MAX+1 时，小数值概率明显偏高。C++11 起标准推荐用 std::uniform_int_distribution 配合真随机引擎（如 std::mt19937）。
关键点：分布对象应复用，不要每次生成都新建；引擎需用非确定性种子初始化（如 std::random_device）。
-
std::mt19937比rand()周期长、统计特性好，且线程安全（引擎实例不共享时） - 分布对象构造时传入闭区间
[a, b]，例如std::uniform_int_distribution<int>(1, 6)</int>生成 1–6 的整数 - 避免把分布对象定义在循环内——它内部有状态缓存，频繁构造会丢弃部分随机性
std::random_device rd; std::mt19937 gen(rd()); std::uniform_int_distribution<int> dist(10, 99); // 生成两位随机整数 int x = dist(gen); // 每次调用都产生新值 </int>
生成浮点数范围随机数用 std::uniform_real_distribution
整数分布不能直接用于浮点需求，比如 [0.0, 1.0) 或 [-π, π)。必须换用 std::uniform_real_distribution，它默认生成左闭右开区间，且对 float/double 类型行为明确。
注意：该分布不接受整数类型模板参数；若传入 int 会编译失败；边界值必须是浮点字面量（如 0.0 而非 0）。
- 区间为
[a, b)，不是数学常用闭区间；若需闭区间 [a,b]，需手动处理（如对double加极小偏移） - 引擎仍用
std::mt19937即可，无需改用std::mt19937_64—— 浮点分布只取引擎输出的部分位 - 不要用
static_cast<double>(rand()) / RAND_MAX</double>，精度低、范围窄、非均匀
std::uniform_real_distribution<double> dist(0.0, 1.0); double r = dist(gen); // 生成 [0.0, 1.0) 内的 double </double>
常见错误：重复使用同一种子或全局共享引擎
如果用固定种子（如 std::mt19937 gen(42)），每次运行程序都得到完全相同的随机数序列；若多个函数共用同一个 gen 实例又没加锁，多线程下会触发未定义行为。
- 单线程场景下，把
gen和dist定义为static局部变量是安全且高效的 - 多线程场景下，每个线程应持有独立的
gen实例（std::random_device构造成本低，可在线程入口处调用） - 绝对不要在头文件里定义非 const 全局随机引擎——会导致 ODR 违规和链接冲突
兼容旧代码时如何安全替换 rand()
遗留项目中若大量使用 rand() % N + M，不能简单替换为 dist(gen) 就完事。要确认原逻辑是否依赖 rand() 的低质量周期或特定偏差（极少数测试/仿真场景），否则替换后行为变化可能暴露隐藏 bug。
- 先用
#define rand() __rand_replacement()临时拦截，记录原始输出分布，再对比新实现 - 若原范围是
rand() % 100，对应新写法是std::uniform_int_distribution<int>(0, 99)</int>，不是(1, 100) - Windows 上
RAND_MAX是 32767，而 Linux 通常是 2147483647，跨平台时取模逻辑结果本就不一致——这反而是升级的正当理由
真正麻烦的不是语法转换，而是那些把随机数当成“伪唯一 ID”或“简易哈希”来用的隐式假设；这些地方改完必须重测。
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！
