C/C++生成随机数
一、rand和srand
在C++11标准出来之前,C/C++都依赖于stdlib.h
头文件的rand
或者srand
来生成随机数。
其不是真正的随机数,是一个伪随机数,是根据一个数(我们可以称它为种子)为基准以某个递推公式推算出来的一系列数,当这系列数很大的时候,就符合正态公布,从而相当于产生了随机数,但这不是真正的随机数,当计算机正常开机后,这个种子的值是定了的,除非你破坏了系统。
- rand:内部是线性同余实现的,因为周期较长,所以在一定的范围内可看成随机的。系统默认随机种子是1。rand()返回一随机数值的范围在0至RAND_MAX 间。RAND_MAX的范围最少是在32767之间(int)。用unsigned int 双字节是65535,四字节是4294967295的整数范围。0~RAND_MAX每个数字被选中的机率是相同的。
//函数声明
int rand(void);
- srand:srand()用来设置rand()产生随机数时的随机数种子。参数seed必须是个整数,如果每次seed都设相同值,rand()所产生的随机数值每次就会一样。
//函数声明
void srand(unsigned int seed);
-
常见用法如下:
- (rand() % (b - a)) + a ,生成[a, b) 的随机整数
- (rand() % (b - a + 1)) + a ,生成[a,b] 的随机整数
- rand() / double(RAND_MAX) ,生成0~1之间的浮点数
-
来个测试代码:
#include <iostream>
#include <stdlib.h>
#include <time.h>
using namespace std;
int main()
{
srand((unsigned)time(NULL));
for(int i = 0; i < 10;i++ )
cout << rand() << '\t';
cout << endl;
return 0;
}
二、新标准随机数
有时候程序员需要一些非均匀分布的数,这时候rand就显得不是那么好用,新标准很好解决了这个问题:随机数引擎类
和随机数分布类
。引擎用来生成随机unsigned整数序列,分布则使用引擎返回服从特定概率分布的随机数。
标准库定义了多个随机数引擎类,区别在于性能和随机性质量不同。每个编译器都会指定其中一个作为default_random_engine
类型。标准库定义的引擎通用操作如下:
操作 | 解释
- | -
Engine e | 默认构造函数,使用该引擎默认的种子
Engine e(s) | 使用整型值s作为种子
e.seed(s) | 使用种子s重置引擎的状态
e.max(), e.min() | 该引擎可生成的最大和最小值
Engine::result_type | 该引擎生成的unsigned整型类型
e.discard(u) | 将引擎推进u步,u为unsigned long long类型
对于大多数场合,随机数引擎的输出是不能直接使用的,还要配合合适的分布类。均匀分布类为uniform_int_distribution<unsigned>
。标准库中的分布类的通用操作如下:
操作 | 解释
- | -
Dist d | 默认构造函数
d(e) | 用相同的引擎e连续生成随机数序列
d.max(), d.min() | 返回d(e)能生成的最大和最小值
d.reset() | 重建d的状态,使得随后对d的使用不依赖于d已经生成的值
以下为简单测试:
#include <iostream>
#include <random>
using namespace std;
int main() {
//0~9的均匀分布
uniform_int_distribution<unsigned> u(0,9);
//若想生成0~1的double
//uniform_int_distribution<double> u(0,1);
default_random_engine e;
for(size_t i = 0; i < 10; i++)
cout << u(e) << " ";
//由于是默认的种子,所以应该都是0 1 7 4 5 2 0 6 6 9
return 0;
}
为了生成不同的结果,我们可以通过设置种子,为引擎设置种子的方法有两种方式:在创建引擎对象的时候提供种子,或者调用引擎的seed成员。简单测试如下:
#include <iostream>
#include <random>
using namespace std;
int main() {
default_random_engine e1; //默认种子
default_random_engine e2(2147483646); //给定的种子
default_random_engine e3;
e3.seed(32767); //调用成员seed
default_random_engine e4(32767); //和e3一样的种子
uniform_int_distribution<unsigned> u(0,9);
for(size_t i = 0; i < 10; i++)
cout << u(e1) << " " << u(e2) << " " << u(e3) << " " << u(e4) << endl;
return 0;
}
除了均匀分布下生成unsined整数,我们还可以生成不同分布下别的类型的数值。比如uniform_real_distribution<> u(0,1)
生成0~1的double类型值,还有normal_distribution<> n(4,1.5)
生成均值为4,标准差为1.5的正态分布double类型值。
实际上,新标准定义了20种分布类型,如有需要,请翻阅C++11文档。
作者: vachester
出处:http://www.cnblogs.com/vachester/
邮箱:xcchester@gmail.com
本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文链接,否则保留追究法律责任的权利。