C++库为我们提供了很多生成随机数的方法。

使用C的随机数生成法

先学过C语言，或者仅仅用C++做算法的人。对rand()是非常熟悉了。这个函数没有参数，生成0到RAND_MAX的随机数（RAND_MAX随环境可能是16位范围或32位范围）。

#include <stdlib.h>
#include <stdio.h>
#include <time.h>

main() {
	srand(time(0)); // 以当前时间初始化随机数种子

	for (int i = 0; i < 12; i++)
		printf("%d ", rand());
	printf("\n%d", RAND_MAX);
}

/* output:
54662053 670906658 1153043822 1421129869 1473191568 431426198 458863543 103837017 1196255552 740286342 625267246 1994847783 
2147483647
*/

一般我们用当前unix时间（即time(0)的值）初始化随机种子，这样每次运行时种子都可以不同，保证每次运行得到不同的随机数结果。在我的机器上，RAND_MAX值为2147483647，即所有31位正数的范围。

使用C++的随机数生成法

C语言的rand函数功能还是太局限。在生成特定范围的数或者实数的时候很不方便。

C++提供了全新的方式使用随机数。首先，使用random头文件，可以定义一个default_ranbdom_engine

#include <random>
#include <iostream>
using namespace std;

main(){
	default_random_engine a;

	cout << "min: " << a.min() << endl;
	cout << "max: " << a.max() << endl;
	for (int i = 0; i < 12; i++)
		cout << a() << ' '; //! 生成下一个数
}
/*
min: 1
max: 2147483646
16807 282475249 1622650073 984943658 1144108930 470211272 101027544 1457850878 1458777923 2007237709 823564440 1115438165 
*/

这个“随机数引擎”是一个可调用对象，与rand()非常相似，不过在多线程时可以定义很多个一起用。同时也需要在构造时（或使用成员函数seed赋值种子，否则默认构造下种子相同，每次都会生成相同的随机数）。一般来讲，最好把它定义成静态或全局变量。如果作为局部变量的话，则每次都会从相同的种子重新开始。

//C++ Primer上的例子
auto random_vector() {
	default_random_engine eng;

	vector<int> a(12);
	for (int i = 0; i < 12; i++) a[i] = eng();
}
/*
这个函数返回一个填充随机值的vector，但是他每次运行都会使用相同种子，生成完全一样的值。

把eng定义为static就可以解决这个问题。

或者也可以使用time(0)，但time(0)是以秒为单位的，若调用太快仍会得到相同的结果
*/

除了随机数引擎，我们还可以使用随机数分布对象。分布对象可以用调用引擎生成随机数，再调整出适当范围内的随机数，比如下面这个：

main(){
	default_random_engine a;

	uniform_int_distribution<short> x(12, 90); //整数生成器

	cout << "min: " << x.min() << endl;
	cout << "max: " << x.max() << endl;
	for (int i = 0; i < 12; i++)
		cout << x(a) << ' '; //! 生成下一个数
}
/*
min: 12
max: 90
12 22 71 48 54 29 15 65 65 85 42 53
*/

uniform_int_distribution可以指定任意整数类型和上下界值（闭区间），在范围内均匀生成对应的随机整数，不过他每次生成数据时要代一个引擎作为参数，也就是说，他是根据引擎生成的值再调整出来的，自己不具有生成随机数的功能，所以叫做“随机数分布对象”。再介绍些其他分布对象：

uniform_real_distribution<double> eng(min, max);// 浮点数均匀分布
normal_distribution<int> eng(average, SD); // 整数正态分布，需要方差和中间值
bernoulli_distribution eng(pro) //伯努利分布，生成true和false，可以指定true的概率

把真正生成随机数的东西和调整分布的东西分开是有好处的。因为随机数生成必须使用外部变量，占用额外空间。而调整阶段是不用的。因此，即使程序各个地方都在用随机数，也只需要一个default_random_engine。