c++如何生成高质量随机数_c++ random库与梅森旋转算法【指南】

rand() 已过时，因周期短、分布不均、低位随机性差、跨平台行为不一致；应改用 中的 std::mt19937 配合 std::uniform_*_distribution 和 std::random_device 种子。

为什么 rand() 不该再用了

因为它的周期短、分布不均、低比特位随机性差，且在不同平台行为不一致。比如 rand() % 10 会明显偏向小数字，RAND_MAX 在 Windows 是 32767，Linux 可能是 2147483647，直接导致可移植性崩坏。

• 标准库已明确标注 rand() 为“legacy”，C++17 起建议用
• 它不满足均匀分布要求：低位循环周期只有约 2¹⁵，高位更差
• 无法指定种子类型或重播序列——调试时根本没法复现问题

std::mt19937 是梅森旋转的 C++ 标准封装

std::mt19937 就是梅森旋转算法（Mersenne Twister）的 32 位实现，周期为 2¹⁹⁹³⁷−1，通过了 Diehard 和 TestU01 大量统计检验。它不是“伪随机数生成器”（PRNG）的泛称，而是特指这个具体算法。

• 必须搭配一个真正的随机种子源，比如 std::random_device，否则每次运行都一样
• 不要用 time(nullptr) 初始化——秒级精度太粗糙，多进程下极易重复
• std::mt19937_64 提供 64 位输出，适合需要大范围整数或更高精度的场景

std::random_device rd;                    // 真随机种子源（通常读取 /dev/urandom 或 CryptGenRandom）
std::mt19937 gen(rd());                   // 用真种子初始化 mt19937
std::uniform_int_distribution dist(1, 100); // [1, 100] 均匀整数分布
int x = dist(gen);                        // 每次调用生成一个高质量随机数

std::uniform_real_distribution 才是生成浮点随机数的正确方式

别再写 (double)rand() / RAND_MAX。它既不均匀，也不能控制区间开闭，还受 RAND_MAX 限制。C++ 的分布类才是唯一可控、可验证、可重播的方案。

• std::uniform_real_distribution 生成 [a, b) 区间的浮点数（左闭右开），不是四舍五入近似
• 若需 [a, b] 闭区间，用 std::nextafter(b, std::numeric_limits::max()) 扩展上界
• 性能无显著损失：分布对象轻量，operator() 是内联函数，编译器可完全优化

std::mt19937 gen(std::random_device{}());
std::uniform_real_distribution dist(0.0, 1.0); // [0.0, 1.0)
double r = dist(gen); // 真正均匀、可重现、符合 IEEE 754

线程安全与性能陷阱：别在多线程里共享同一个 std::mt19937 实例

std::mt19937 本身不是线程安全的——内部状态修改（如 gen()）没有原子保护。多个线程并发调用会破坏状态，导致输出重复、崩溃或未定义行为。

• 最简方案：每个线程持有一个独立的 std::mt19937 实例（用不同种子初始化）
• 避免用全局变量或静态局部变量封装生成器，除非加锁（但锁会严重拖慢速度）
• 如果必须共享，用 thread_local static std::mt19937 gen{std::random_device{}()}; —— 首次访问才初始化，且每个线程独享

梅森旋转虽快，但反复构造分布对象（如每次调用都 new 一个 uniform_int_distribution）反而成为瓶颈。分布对象应复用，生成器状态才是关键资源。