c++得到范围内随机数

在C++中，你可以使用标准库中的<random>头文件来生成范围内的随机数。以下是一个简单的示例，展示如何从指定的范围(包括起始和结束值)生成均匀分布的随机整数：

#include <iostream>
#include <random>

int get_random_number(int min, int max) {
    std::random_device rd; // 用于获取随机种子，保证每次程序运行结果不同
    std::mt19937 gen(rd()); // 使用Mersenne Twister算法生成随机数，这是一个高质量的伪随机数生成器
    std::uniform_int_distribution<> dis(min, max); // 定义一个范围

    return dis(gen); // 生成并返回指定范围内的随机数
}

int main() {
    int random_num = get_random_number(0, 100);
    std::cout << "Random number between 0 and 100 is: " << random_num << std::endl;
    return 0;
}

在这个例子中，`get_random_number`函数接收两个参数，表示所需的随机数范围，然后使用`std::uniform_int_distribution`来创建一个在该范围内的均匀分布，并通过`gen`引擎生成随机数。

相关问题

c++生成范围内随机数

### 如何在C++中生成指定范围内的随机数

为了在C++中生成指定范围内的伪随机数，可以采用线性同余发生器(LCG)，这类似于`srands48()`和`drand48()`函数的功能。对于确保可预测性和重复性的需求，在模拟调度算法之前应初始化种子[^1]。

下面是一个基于C++标准库 `<random>` 的方法来实现这一功能：

#include <iostream>
#include <random>

int main() {
    unsigned seed = 123; // 可替换为其他种子值
    std::default_random_engine generator(seed);
    
    double min_value = 0.0;
    double max_value = 1.0;

    std::uniform_real_distribution<double> distribution(min_value, max_value);

    for (int i = 0; i < 5; ++i) {
        double random_number = distribution(generator);
        std::cout << "Random Number [" << i + 1 << "]:" << random_number << "\n";
    }

    return 0;
}

这段代码展示了如何创建一个均匀分布的实数随机数生成器，并通过给定的种子值进行初始化。每次运行程序都会得到相同序列的结果，只要保持相同的种子不变。此方式适用于大多数现代编译环境并遵循C++11及以上版本的标准[^2]。

c++ 指定范围输出随机数

### 如何在C++中生成指定范围内的随机数

为了实现这一目标，可以利用`<random>`库中的类模板来创建高质量的伪随机数生成器以及分布对象。下面展示的是基于均匀分布（uniform distribution）的方法。

对于生成特定区间[min,max)内浮点类型的随机数值而言，可采用如下方式：

#include <iostream>
#include <random>

int main(){
    unsigned seed = std::chrono::system_clock::now().time_since_epoch().count();
    
    // 定义随机设备作为种子源
    std::default_random_engine generator(seed);
    
    // 设定所需的最小值和最大值
    float min_val = 10.5f;
    float max_val = 20.7f;

    // 创建一个均匀分布在[min_val, max_val)之间的float型分布实例
    std::uniform_real_distribution<float> distribution(min_val, max_val);

    for (size_t i=0 ; i<10 ; ++i){
        // 调用operator()以获取下一个随机数
        float num = distribution(generator);
        
        std::cout << "Generated number: " << num << '\n';
    }

    return 0;
}

上述代码片段展示了如何通过设置不同的参数来控制所期望得到的数据类型及其取值边界[^1]。

当涉及到整数时，则应该考虑使用`std::uniform_int_distribution<int>`代替，并相应调整输入区间的定义[^2]。

值得注意的是，在现代C++标准下，推荐优先选用诸如`mt19937`(Mersenne Twister算法的一种变体)`mersenne_twister`等更先进的引擎替代传统的线性同余发生器(linear congruential generators)，因为前者能够提供更好的统计特性与性能表现。