随机生成数

在C++中，std::random_device 是一个非确定性随机数生成器，它通常用于产生高质量的随机种子。std::mt19937 是一个Mersenne Twister算法实现的伪随机数生成器，它需要一个种子来初始化。

首先创建了一个 std::random_device 对象 rd，然后通过调用 rd() 来获取一个随机数，这个随机数被用作 std::mt19937 伪随机数生成器 gen 的种子。这样，每次程序运行时，由于 std::random_device 生成的是非确定性的随机数，gen 也会得到不同的种子，从而生成不同的随机数序列。

下面是一个从0到九随机数的代码：

#include <iostream>  
#include <random>  
  
int main() {  
    // 创建一个随机引擎  
    std::random_device rd;  
    std::mt19937 gen(rd());  
  
    // 创建一个分布对象，指定范围[0, 9]和整数类型  
    std::uniform_int_distribution<> dis(0, 9);  
  
    // 生成随机数  
    int random_num = dis(gen);  
  
    std::cout << "Random number in range [0, 9]: " << random_num << std::endl;  
  
    return 0;  
}

---

我在解决随机化问题的时候看到有博主写的随机化代码只用了一行，如下：

int m = rand() % (r - p + 1) + p;

对于这段代码的解释如下：

这行代码是C++中用来生成一个随机整数m的，该整数位于闭区间[p, r]内。这里使用了C++标准库中的rand()函数来生成一个随机整数，并通过模运算（%）和加法来将这个随机整数映射到所需的区间。

下面是这行代码的逐步解释：

1. rand()：这是C++标准库中的一个函数，用于生成一个伪随机整数。通常情况下，这个整数在0到RAND_MAX（RAND_MAX是rand()函数可能返回的最大值，通常是32767）之间。

2. rand() % (r - p + 1)：这里使用模运算（%）将rand()返回的随机数限制在0到r - p之间。加上1是为了确保区间是闭区间，即包括r。

3. + p：最后，通过加上p，将随机数的范围从[0, r - p]映射到[p, r]。

综上所述，int m = rand() % (r - p + 1) + p;这行代码会生成一个位于闭区间[p, r]内的随机整数，并将其赋值给变量m。

需要注意的是，rand()函数生成的随机数质量并不高，对于需要高质量随机数的应用（如密码学或模拟），建议使用C++11引入的<random>库中的随机数生成器。此外，rand()函数每次运行程序时生成的随机数序列是相同的（除非在程序开始时用srand()函数设置了不同的种子），因此如果需要每次运行程序时都生成不同的随机数序列，也需要在使用rand()之前设置种子。

关于模运算这个 我也需要理解一下（ps，数学我是真菜呀）

嗯，好像懂了。对于“%”这个的意思就是取余数，那么对于大于r-p+1的数：

能整除的话，就是0（这里也就是为什么要加一的原因了，如果仅仅只是r-p的话 那么最终数据，就不会得出r-p，而是在这个基础上-1，即r-p-1，所以这个加1不能漏掉）；

不能整除的话，就是得出一个余数嘛，不是整除不会等于0，那么该数也是落在[1,r-p]（注意是闭区间，理由上边解释了）

真是巧妙 ，这样子就能很好得出需要的范围内的随机数了。

这两种方法的其区别是前者更高质量 应该应需要而选择 我仅是为了解决蓝桥杯算法题的问题 用后者更为方便一些。