std::uniform_int_distribution是c++11提供的均匀整数分布工具，需配合随机引擎（如mt19937）使用，构造时指定闭区间[a,b]，避免rand()%n的模偏差，确保严格等概率且可复现。

std::uniform_int_distribution 是 C++11 起标准库提供的真正均匀整数随机分布工具，它本身不生成随机数，而是对 std::random_device 或 std::mt19937 等引擎输出的伪随机位序列做「映射」，确保落在指定整数区间内严格等概率。直接用 rand() % n 会因模偏差导致非均匀，这点必须避开。

怎么正确构造和使用 uniform_int_distribution

核心是两步：先选一个合适的随机数引擎（推荐 std::mt19937），再用闭区间 [a, b] 构造分布对象。注意：参数是「包含两端」的闭区间，不是左闭右开。

常见错误写法：uniform_int_distribution<int>(0, 10)</int> 生成的是 0 到 10（含）共 11 个整数，不是 0~9。

实操建议：

C++ Code Review Master

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。

下载

• 用 std::random_device 初始化 std::mt19937 的种子，避免默认种子全为 0
• 分布对象可复用，不要每次生成都重新构造（有轻微开销）
• 若需多线程安全，每个线程应持有独立的引擎实例（mt19937 非线程安全）

std::random_device rd;
std::mt19937 gen(rd());
std::uniform_int_distribution<int> dist(1, 6); // 模拟掷骰子：1~6 均匀
int roll = dist(gen); // 调用一次，返回一个 int</int>

为什么不能直接用 rand() 或 std::rand()

rand() 返回值范围通常为 [0, RAND_MAX]（常为 32767），当用 rand() % 100 生成 0~99 时，前 32700 个数能被整除，但剩下 67 个余数只覆盖 0~66 —— 导致 0~66 的概率略高于 67~99。这种模偏差在 uniform_int_distribution 内部已被规避（它用拒绝采样或更优算法）。

此外：rand() 是遗留 C 函数，无状态、不可预测、不可重现，且不保证均匀性；而 std::mt19937 + uniform_int_distribution 是可复现、可移植、符合统计要求的组合。

生成不同范围或类型的整数要注意什么

类型和范围必须匹配，否则行为未定义或隐式截断：

• 若用 uniform_int_distribution<long long></long> 但引擎最大值小于 LLONG_MAX，仍能工作，但高位永远为 0
• 区间端点必须满足 a ，否则构造时抛 <code>std::invalid_argument
• 若 b - a > std::numeric_limits<inttype>::max()</inttype>（比如 int 分布却设 [0, 3000000000]），会溢出，结果不可靠
• 负数范围完全合法：uniform_int_distribution<int>(-5, 5)</int> 生成 -5 到 5 共 11 个整数

最易被忽略的一点：分布对象（uniform_int_distribution）是轻量级的，但它依赖引擎的状态。如果引擎被重复初始化（比如函数内每次都 mt19937 gen(rd())），会导致大量重复序列——尤其在快速连续调用时。真要复现结果，应固定种子，如 mt19937 gen(42)。

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！