C++11 新特性：更强大的随机数功能

随机数的重要性

随机数在计算机科学中扮演着重要的角色，它们的应用非常广泛，包括但不限于：

加密和安全性：在加密算法中生成随机密钥，以确保通信的安全。
模拟和建模：在科学研究和金融分析中，用随机数模拟复杂系统的行为或市场的波动。
游戏开发：生成随机事件或对象，增加游戏的可玩性和不可预测性。
软件测试：使用随机输入测试软件的健壮性和错误处理能力。

随机数的质量直接影响到这些应用的有效性和可靠性。

理想的随机数应该是不可预测和均匀分布的。

C++ 中的随机数实现

在 C++11 之前，生成随机数主要依赖于 C 语言标准库中的rand()函数，以及全局函数srand()用于设置随机数种子。

这种方法简单易用，但存在几个问题：

生成的随机数质量不高，分布可能不均匀。
rand()在不同的编译器和平台上实现可能不同，导致随机数生成结果不一致。
只能生成有限范围的随机数（通常是 0 到 RAND_MAX）。

C++11 的改进

C++11 标准引入了一个全新的随机数库，位于<random>头文件中，解决了之前随机数生成方法的诸多问题。

这个库提供了更多的随机数引擎（用于生成随机数序列）和分布（用于调整生成的随机数，以符合特定的概率分布），使得随机数生成更加灵活和高效。

随机数引擎

C++11 提供了多种随机数引擎，每种引擎都有其特点，如：

std::default_random_engine：默认的随机数引擎，平衡了速度和随机性。
std::mt19937：一个基于Mersenne Twister算法的引擎，提供高质量的随机数。
std::random_device：尝试使用非确定性随机数生成器，如果可用的话，可以提供真正的随机数。

分布

随机数库还提供了多种分布类，用于生成符合特定概率分布的随机数，如：

std::uniform_int_distribution：生成均匀分布的整数。
std::uniform_real_distribution：生成均匀分布的浮点数。
std::normal_distribution：生成符合正态分布的浮点数。

C++11 提供的分布还有伯努利分布、泊松分布、采样分布等，功能更多，使用起来也很简单，极大简化了随机数的生成和使用。

示例代码

下面的示例展示了如何在 C++11 中使用<random>库生成随机数：

#include <iostream>
#include <random>int main() {// 初始化随机数引擎std::mt19937 engine(std::random_device{}());// 定义分布std::uniform_int_distribution<int> dist(1, 6); // 模拟掷骰子// 生成随机数for (int i = 0; i < 10; ++i) {std::cout << dist(engine) << " ";}std::cout << std::endl;return 0;
}