1. C语言中的伪随机数产生函数
本节主要参考自一博文及cppreferrence.
我们知道rand()函数可以用来产生随机数，但是这不是真正意义上的随机数，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。
1.1 rand()
功能:随机数发生器
用法:int rand(void)
所在头文件: stdlib.h
rand()的内部实现是用线性同余法做的，它不是真的随机数，因其周期特别长，故在一定的范围里可看成是随机的。
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。
用户未设定随机数种子时，系统默认的随机数种子为1。
rand()产生的是伪随机数字，每次执行时是相同的;若要不同,用函数srand()初始化它。
1.2 srand()
功能:初始化随机数发生器
用法: void srand(unsigned int seed)
所在头文件: stdlib.h
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。
1.3 使用当前时钟作为随机数种子
rand()产生的随机数在每次运行的时候都是与上一次相同的。若要不同,用函数srand()初始化它。可以利用srand((unsigned int)(time(NULL))的方法，产生不同的随机数种子，因为每一次运行程序的时间是不同的。
1.4 产生随机数的用法
1）给srand()提供一个种子，它是一个unsigned int类型；
2）调用rand()，它会根据提供给srand()的种子值返回一个随机数(在0到RAND_MAX之间)；
3）根据需要多次调用rand()，从而不间断地得到新的随机数；
4）无论什么时候，都可以给srand()提供一个新的种子，从而进一步“随机化”rand()的输出结果。
0~RAND_MAX之间的随机数程序
1 #include <iostream>
2 #include <stdlib.h>
3 #include <time.h>
4 using namespace std;
5 int main()
6 {
7 srand((unsigned)time(NULL));
8 for (int i = 0; i < 10; i++)
9 cout << rand() << '\t';
10 cout << endl;
11
12 return 0;
13 }
1.5 产生一定范围随机数的通用表示公式
要取得[a, b)的随机整数，使用(rand() % (b-a))+ a;
要取得[a, b]的随机整数，使用(rand() % (b-a+1))+ a;
要取得(a, b]的随机整数，使用(rand() % (b-a))+ a + 1;
通用公式:a + rand() % n；其中的a是起始值，n是整数的范围。
要取得a到b之间的随机整数，另一种表示：a + (int)b * rand() / (RAND_MAX + 1)。
要取得0～1之间的浮点数，可以使用rand() / double(RAND_MAX)。
2. C++语言中的伪随机数产生器
本节主要参考自一博文及cplusplus和cppreferrence。其中，该博文是对cplusplus上该伪随机数条目的翻译，下文中会参考调整。
C++中伪随机数库Random是C++11才开始添加的。它允许我们结合生成器（Generators）和分布器（Distributions）来生成伪随机数。
2.1 一个简单的例子
1 #include <iostream>
2 #include <random>
3 using namespace std;
4
5 int main()
6 {
7 default_random_engine generator;
8 uniform_int_distribution<int> dis(0, 6);
9 for (int i = 0; i < 6; i++)
10 {
11 std::cout << dis(generator) << std::endl; // 1 0 1 1 2 6
12 }
13
14 return 0;
15 }
如果我们嫌每次都要传入生成器对象麻烦，我们可以使用std::bind来绑定生成器对象和分布器对象（注意bind在头文件functional中）。如下所示：
1 #include <iostream>
2 #include <random>
3 #include <functional> // std::bind
4 using namespace std;
5
6 int main()
7 {
8 default_random_engine generator;
9 uniform_int_distribution<int> dis(0, 6);
10 auto dice = bind(dis, generator);
11 for (int i = 0; i < 6; i++)
12 {
13 std::cout << dice() << std::endl; // 1 0 1 1 2 6
14 }
15
16 return 0;
17 }
其实我们会发现上边两个代码的结果不管跑多少次都是一样的，很奇怪！我们可以试着给生成器一个种子，如下：
1 #include <iostream>
2 #include <random>
3 #include <functional> // std::bind
4 using namespace std;
5
6 int main()
7 {
8 default_random_engine generator(10); // seed = 10
9 uniform_int_distribution<int> dis(0, 6);
10 auto dice = bind(dis, generator);
11 for (int i = 0; i < 6; i++)
12 {
13 std::cout << dice() << std::endl; // 2 0 4 1 2 4
14 }
15
16 return 0;
17 }
现在我们看到结果不一样了。但是，不管我们再跑多少次，其结果还是一样的，这就更加奇怪了。究其原因，在于我们设定的种子是固定的。对于计算机而言，当输入确定时，输出也一定是确定的。因为生成器算法和分布器算法都是确定的，所以当输入是确定的时候，输出也必然是确定的。因此，为了得到不一样的结果，我们可以将系统时间当作种子：
1 #include <iostream>
2 #include <random>
3 #include <functional> // std::bind
4 #include "time.h" // time
5 using namespace std;
6
7 int main()
8 {
9 default_random_engine generator(time(NULL));
10 uniform_int_distribution<int> dis(0, 6);
11 auto dice = bind(dis, generator);
12 for (int i = 0; i < 6; i++)
13 {
14 std::cout << dice() << std::endl;
15 }
16
17 return 0;
18 }
2.2 关于生成器和分布器
关于生成器和分布器，请参照cplusplus手册。
1 #include <iostream>
2 #include <iomanip>
3 #include <string>
4 #include <map>
5 #include <random>
6 #include <cmath>
7 using namespace std;
8
9 int main()
10 {
11 // Seed with a real random value, if available
12 std::random_device rd;
13 cout << rd() << endl;
14 // Choose a random mean between 1 and 6
15 std::default_random_engine e1(rd());
16 std::uniform_int_distribution<int> uniform_dist(1, 6);
17 int mean = uniform_dist(e1);
18 std::cout << "Randomly-chosen mean: " << mean << '\n';
19
20 // Generate a normal distribution around that mean
21 std::mt19937 e2(rd());
22 std::normal_distribution<> normal_dist(mean, 2); // default: double
23
24 std::map<int, int> hist;
25 for (int n = 0; n < 10000; ++n) {
26 ++hist[std::round(normal_dist(e2))];
27 }
28 std::cout << "Normal distribution around " << mean << ":\n";
29 for (auto p : hist) {
30 std::cout << std::fixed << std::setprecision(1) << std::setw(2)
31 << p.first << ' ' << std::string(p.second / 200, '*') << '\n';
32 }
33
34 return 0;
35 }
我们可以发现上述例子用到了random_device这个生成器。该生成器产生的是非确定性随机数。在Linux的实现中，是读取/dev/urandom设备；在Windows的实现居然是用rand_s。random_device提供()操作符，用来返回一个min()到max()之间的一个数字（min()、max()均为该生成器成员函数）。如果是Linux(Unix Like或者Unix)下，都可以使用这个来产生高质量的随机数，可以理解为真随机数。
1 // random_device example
2 #include <iostream>
3 #include <random>
4
5 int main ()
6 {
7 std::random_device rd;
8
9 std::cout << "default random_device characteristics:" << std::endl;
10 std::cout << "minimum: " << rd.min() << std::endl;
11 std::cout << "maximum: " << rd.max() << std::endl;
12 std::cout << "entropy: " << rd.entropy() << std::endl;
13 std::cout << "a random number: " << rd() << std::endl;
14
15 return 0;
16 }
可能的输出是：
1 default random_device characteristics: 2 minimum: 0 3 maximum: 4294967295 4 entropy: 32 5 a random number: 4230014324
有些情况下，随了拿时间当种子，random_device也经常被用来生成种子。
来源：https://www.cnblogs.com/xiehongfeng100/p/4355442.html