C++11随机数发生器 VS rand()

       旧式的随机数发生器沿用C的Rand()函数，这个函数会产生区间在[0,RAND_MAX]的伪随机数，且随机数近似可以看做符合均匀分布。
传统做法的弊端大致有两个：
1、经常需要做人肉变换随机数产生区间，且人肉变换过程中极易破坏原有的分布性质；
2、难以产生符合制定分布的随机数；

rand()函数的一些问题：

很多程序需要不同范围的随机数；

一些应用需要随机浮点数；

一些程序需要非均匀分布的数；

而程序员为了解决这些问题而试图转换rand生成的随机数的范围、类型或分布时，常常会引入非随机性。

一、C++ 11新标准针对这两点做了很大的改进——随机数发生器（定义在头文件random）。
新设施利用两部分来生成随机数：
（1）、random number engines（引擎类）：负责生成原始随机数
（2）、random number distributions（分布类）： 迫使生成的随机数在统计上满足指定的概率分布
STL预先指定了一系列的生成引擎，并且提供一个default_random_engine。default_random_engine会使用某个预定义的引擎，且不同编译器、不同平台的实现可能不同。

PS：有关详细的预定义引擎及分布类列表：

例子1：

std::default_random_engine e;for (size_t i = 0; i < 10; i++) {    cout << e() << endl;}

默认情况下，引擎产生的随机数范围在default_randm_engine::min和default_random_engine::max之间。

例子2：

可以指定随机数要符合的分布性质，例如说，在[5,20]上的均匀分布。

std::default_random_engine e;std::uniform_int_distribution<> u(5,20);for (size_t i = 0; i < 10; i++) {    cout << u(e) << endl;   //注意！}

注意：我们传递给分布对象的是引擎对象本身，即u(e)。我们传递的是引擎本身，而不是它生成的下一个值，原因是某些分布可能需要调用引擎多次才能产生一个值。如果我们将调用写成u(e())，含义就变为将e生成的下一个值传递给u，这将会导致一个编译错误。

//int rand_num = rand()%11;//rand获取0-10随机数的方法//default_random_engine也同样可以指定随机数范围，那就是它的好基友分布类型：uniform_int_distributionuniform_int_distribution<unsigned> u(0,10);//生成0到10（包含）均匀分布的随机数default_random_engine e;//生成随机无符号数for(int i=0;i<10;++i){cout << u(e) << endl;//u的范围范围便是e生成的随机数范围}

例子3：

关于种子。

std::default_random_engine e(time(nullptr));std::uniform_int_distribution<> u(5,20);}

       不过，由于time的精度是秒，所以在某些极端情况下，这也并不是一个非常好的选择。另外，如果程序作为一个自动过程的一部分反复运行，将time的返回值作为种子的方式就无效了，它可能多次使用的相同的种子。
       幸运的，C++11提供了一个非常友好的类：random_device。这个类的作用是，可以产生non-deterministic random numbers.
       这个类有可能产生真正的随机数，不过真是效果和具体实现有关。某些平台可能才用伪随机数作为底层实现也说不定呢…
       显然的，我们可以利用random_device去初始化我们的随机数种子

std::random_device rd;std::default_random_engine e(rd());std::uniform_int_distribution<> u(5,20);for (size_t i = 0; i < 10; i++) {    cout << u(e) << endl;}

例子4：

为引擎设置种子的方式有两种，一种是创建时初始化种子，另一种是调用seed来初始化。

default_random_engine e1;//使用默认的种子default_random_engine e2(2300);        //使用给定的种子default_random_engine e3;e3.seed(2300);//e3使用的种子与e2是一样一样的。

三、生成随机浮点数。

程序需要0到1之间的随机数。

最常用但是不正确的做法：从rand获得一个随机浮点数的方法是用rand()的结果除以RADN_MAX——即系统定义的rand可以生成的最大随机数的上界。——这种方法不正确的原因是：随机整数的精度通常低于随机浮点数，这样，有一些浮点数就永远不会生成了！

使用C++11的随机数发生器，可以让标准库来处理从随机整数到随机浮点数的映射。

void main(){default_random_engine e;  //生成无符号的随机整数uniform_real_distribution<double> u(0, 1);   //0到1（包含）的均匀分布for (size_t i = 0; i < 10; ++i){cout << u(e) << " ";    //<span style="font-size: 18px;">从随机整数到随机浮点数的映射</span>}}

四、生成非均匀分布的随机数

     比如伯努利分布、正态分布、抽样分布、泊松分布等。例子：生成一个正态分布的值序列，并画出值的分布。

int main(){default_random_engine e;        // generates random integersnormal_distribution<> n(4,1.5); // 4为中心，标准差为1.5vector<unsigned> vals(9);       // nine elements each 0for (size_t i = 0; i != 200; ++i)         {unsigned v = lround(n(e));  // normal_distribution<>生成的是浮点值，使用头文件ctime中的lround函数将每个随机数舍入到最接近的整数if (v < vals.size())        // if this result is in range ++vals[v];          // count how often each number appears}int sum = accumulate(vals.begin(), vals.end(), 0);if (sum != 200)cout << "discarded " << 200 - sum << " results" << endl;for (size_t j = 0; j != vals.size(); ++j)cout << j << ": " << string(vals[j], '*') << endl;//打印一个由*组成的stringreturn 0;}

特别注意：一个给定的随机数发生器一直会产生相同的随机数序列。一个函数如果定义了局部的随机数发生器，应该将其（引擎对象+分布对象）定义为static的。否则，每次调用函数都会生成相同的序列。

#include<iostream>#include<vector>#include<random>using namespace std;/*vector<unsigned> bad_rand(){default_random_engine e;//随机数引擎类型之一，在大多数情况下（通常情况下）获得好的性能uniform_int_distribution<unsigned> u(0, 9); //随机数分布类型之一vector<unsigned> vec;for (size_t i = 0; i < 10; i++){vec.push_back(u(e));}return vec;}void main(){vector<unsigned> v1(bad_rand());for (size_t k = 0; k < 10; k++){cout << "v1:" << v1[k] << endl;}vector<unsigned> v2(bad_rand());for (size_t k = 0; k < 10; k++){cout << "v2:" << v2[k] << endl;}cout << ((v1 == v2) ? "equal" : "not equal" )<< endl;//打印“equal”！//v1 : 2    //v1 : 2//v1 : 4//v1 : 5//v1 : 4//v1 : 1//v1 : 9//v1 : 5//v1 : 8//v1 : 3//v2 : 2//v2 : 2//v2 : 4//v2 : 5//v2 : 4//v2 : 1//v2 : 9//v2 : 5//v2 : 8//v2 : 3//equal//随机数发生器此特性会使新手迷惑：即使生成的书看起来是随机的，但对一个给定的发生器，每次运行程序它都会返回相同的数值序列。//<strong>序列不变这一事实</strong>在调试时非常有用。但是另外一方面，使用随机数发生器的程序也必须注意这一点。}*/

//<span style="color:#ff0000;">解决上述问题的办法：</span>vector<unsigned> good_rand(){//<strong>解决这一问题的办法是</strong>：将引擎和关联的分布对象定义为“static”的。//将它们定义为“static”，因此它们在函数调用之间会保持住状态，从而每次调用都产生新的数据。static default_random_engine e;static uniform_int_distribution<unsigned> u(0, 9);vector<unsigned> vec;for (size_t i = 0; i < 10; i++){vec.push_back(u(e));}return vec;}void main(){vector<unsigned> v1(good_rand());for (size_t k = 0; k < 10; k++){cout << "v1:" << v1[k] << endl;}vector<unsigned> v2(good_rand());for (size_t k = 0; k < 10; k++){cout << "v2:" << v2[k] << endl;}cout << ((v1 == v2) ? "equal" : "not equal") << endl;//打印“not equal”！//v1 : 2//v1 : 2//v1 : 4//v1 : 5//v1 : 4//v1 : 1//v1 : 9//v1 : 5//v1 : 8//v1 : 3//v2 : 5//v2 : 5//v2 : 0//v2 : 6//v2 : 9//v2 : 0//v2 : 9//v2 : 4//v2 : 7//v2 : 6//not equal}