std::discrete_distribution是标准库提供的带权重离散随机数生成器，接受数值权重自动归一化，返回size_t类型索引，构造o(n)、采样o(1)，不支持负权、零权或动态更新。
用 std::discrete_distribution 最直接
标准库已经提供了带权重的离散随机数生成器，不需要手写轮子。它接受一个权重数组（或迭代器），自动归一化并构建概率分布，每次调用 operator() 返回对应索引。
常见错误是传入全零权重或空容器——会触发 std::invalid_argument；权重类型必须是可转换为 double 的数值类型（int、float 都行）。
- 权重不需手动归一化：内部自动求和后做比例换算
- 索引从
0开始，返回值是size_t类型整数 - 性能较好，构造时 O(n)，单次采样 O(1) 平摊（底层用别名法或查表）
- 注意：权重为负数会抛异常；浮点权重极小（如
1e-300）可能导致数值不稳定
#include <random>
#include <vector>
std::random_device rd;
std::mt19937 gen(rd());
std::vector<double> weights = {1.0, 3.0, 2.0}; // A:B:C = 1:3:2
std::discrete_distribution<size_t> dist(weights.begin(), weights.end());
size_t idx = dist(gen); // 返回 0, 1 或 2，概率分别为 1/6, 3/6, 2/6
</size_t></double></vector></random>
权重是字符串标签？先建映射再采样
如果最终要的是字符串（比如选 “apple”、“banana”、“cherry”），std::discrete_distribution 只返回下标，得自己查表。别试图把字符串塞进分布器——它只接受数值权重。
典型场景：配置项随机选择、A/B 测试分流、游戏掉落表。
C++ Code Review Master
下载
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
- 把标签存在
std::vector<:string></:string>或std::array中，保持和权重顺序一致 - 避免用
std::map存权重再转 vector——额外开销且打乱顺序风险 - 如果标签和权重来自 JSON 或配置文件，解析后务必保证二者 size 相同，否则运行时越界
std::vector<:string> items = {"apple", "banana", "cherry"};
std::vector<double> weights = {10, 5, 1}; // apple 最可能被选中
std::discrete_distribution<size_t> dist(weights.begin(), weights.end());
size_t i = dist(gen);
std::string chosen = items[i]; // 安全，前提是 items.size() == weights.size()
</size_t></double></:string>
需要动态更新权重？别用 discrete_distribution
std::discrete_distribution 构造后权重不可变。每次改权重都得重建对象——对高频更新场景（如实时竞价、自适应采样）开销大。
这时候要么手写别名法（Alias Method）实现，要么用第三方库（如 boost::random::discrete_distribution 不支持动态，得另寻方案）。
- 重建分布器本身很快，但若每毫秒调一次且权重常变，
gen和分布器生命周期管理容易出错 - 简单替代：用
std::partial_sum做前缀和 +std::upper_bound二分查找，权重更新只需改一个值 + 重算前缀和（O(n)） - 真要高性能动态更新，建议用现成的 Alias Method 实现（例如 FastWeightedRandomSampling），但要注意内存对齐和初始化成本
为什么不用 rand() 手动加权？
手动写 if (r 看似简单，但极易出错：边界条件漏等号、权重和没归一、整数除法截断、<code>rand() 周期短且低位随机性差。
尤其当权重是浮点数或跨度很大（如 {1, 1e6}）时，手工缩放容易溢出或精度丢失。
-
std::discrete_distribution内部用std::uniform_real_distribution<double></double>，精度和范围远超rand() - 不要为了“省个头文件”而放弃标准方案——
<random></random>是 C++11 起就稳定的 - 交叉编译时注意：某些嵌入式 STL 实现可能阉割了部分分布器，先验证
__cpp_lib_random_device宏
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！
