C++生成随机数的实现代码
C风格
C为随机数提供的工具是rand、srand和RAND_MAX,定义在<stdlib.h>中。
srand为rand设置种子,如果不设置,相当于调用过srand(1)。rand产生伪随机数,其范围为0到RAND_MAX,RAND_MAX至少是32767,在MSVC和GCC中这个值都是32767。
伪随机数看似随机,实则是有规律可循的,对于相同的种子值,rand产生的序列完全相同,也就是说无论你给srand一个什么数字,多次运行程序的结果都将相同——除非你给srand的是不同的数字,比如时间。<time.h>中的time函数返回整数表示的系统时间,可用于设置种子。
如果我们只需要0到9的随机数,可以把rand的返回值% 10;如果是42到233,可以写rand() % 192 + 42。下面的random函数封装了这项工作。注意只有在b - a + 1远小于或整除RAND_MAX时随机数的分布才比较均匀。
#include <stdio.h> #include <stdlib.h> #include <time.h> int random(int a, int b) { return rand() % (b - a + 1) + a; } int main() { srand(time(NULL)); printf("RAND_MAX = %d\n", RAND_MAX); for (int i = 0; i < 10; i++) printf("%d ", rand()); printf("\n"); int count[10] = {0}; for (int i = 0; i < 10000; i++) count[random(0, 9)]++; for (int i = 0; i < 10; i++) { printf("%d: ", i); for (int j = 0; j < count[i] / 10; j++) printf("*"); printf("\n"); } }
C++风格
从C++11开始,C++标准规定了随机数设施,包括均匀随机位生成器(Uniform random bit generators,URBG)和随机数分布等,定义在<random>中。
URBG分为随机数引擎、引擎适配器、预置随机数生成器和非确定随机数生成器4类,通常后两类就够用了。
标准规定了3种随机数引擎:
- 线性同余linear_congruential_engine(LCG),时间空间消耗都少;
- 梅森旋转mersenne_twister_engine(MT),占用较多内存(在PC上可以忽略),计算量较大;
- 带进位减法(属于滞后斐波那契生成器,LFG)subtract_with_carry_engine,性能与效果折中。
随机数引擎都需要一个种子,生成的都是伪随机数。
引擎适配器可以套一个随机数引擎:
- discard_block_engine在连续若干个伪随机数中选择若干个;
- independent_bits_engine把位数多的伪随机数压缩成位数少的;
- shuffle_order_engine把连续若干个伪随机数重排。
套娃的方式是模板,理论上你还可以用适配器套适配器,不过CPU可能会有意见。
随机数引擎的模板参数怎么取?标准定义了一些数学家们发现的效果良好的随机数引擎:LCG minstd_rand0、minstd_rand、knuth_b;MT mt19937、mt19937_64;LFG ranlux24_base、ranlux48_base、ranlux24、ranlux48。如果你还是无从下手,那就用default_random_engine,编译器的开发者们为你选好了他们认为最合适的,在MSVC中是mt19937,在GCC中是minstd_rand0。
以上工具都生成伪随机数,标准还定义了真·随机数引擎random_device,尽管标准也允许它是伪随机的。如果它是真随机的,那么使用起来它的效果无疑是最好的,但是多次调用后性能会急剧下降,通常只用于生成伪随机数引擎的种子。
随机数生成器类型都定义了静态方法min和max,返回生成的随机数的范围,以及无参数的函数调用运算符operator(),返回随机数。
#include <iostream> #include <random> int main() { auto engine = std::default_random_engine(std::random_device()()); std::cout << "min = " << engine.min() << "; max = " << engine.max() << std::endl; std::cout << "random numbers: "; for (int i = 0; i != 10; ++i) std::cout << engine() << ' '; std::cout << std::endl; }
大多数情况下我们不需要min到max范围的整数,而需要一定分布的整数或实数。标准规定了许多随机数分布类型,我数学不好,不太懂这些。
- 均匀分布uniform_int_distribution、uniform_real_distribution;
- 伯努利分布bernoulli_distribution、binomial_distribution、negative_binomial_distribution、geometric_distribution;
- 泊松分布poisson_distribution、exponential_distribution、gamma_distribution、weibull_distribution、extreme_value_distribution;
- 正态分布normal_distribution、lognormal_distribution、chi_squared_distribution、cauchy_distribution、fisher_f_distribution、student_t_distribution;
抽样分布discrete_distribution、piecewise_constant_distribution、piecewise_linear_distribution。
构造分布实例时传入分布的参数。调用operator()获得结果,参数为随机数引擎。
#include <iostream> #include <random> #include <string> int main() { auto engine = std::default_random_engine(std::random_device()()); std::uniform_int_distribution<int> uniform(0, 9); int count[10] = {0}; for (int i = 0; i != 10000; ++i) ++count[uniform(engine)]; for (int i = 0; i != 10; ++i) std::cout << i << ": " << std::string(count[i] / 10, '*') << std::endl; }
注意,与STL中左闭右开的习惯不同,uniform_int_distribution构造函数接受的参数是闭区间。
到此这篇关于C++生成随机数的实现代码的文章就介绍到这了,更多相关C++生成随机数内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!