【深基4，例5】猜数字游戏

小洛机器人和你玩猜数游戏！小洛随机选择并默默记下一个1~100的整数，你需要不断猜测这个数字是什么并输入验证。如果你输入的数字比小洛选择的数字小，小洛会输出“Too small”；如果比小洛选择的数字大，小洛输出“TOO large”；如果刚好猜对，小洛输出“You are right！！”。如果一次没有猜中，则继续猜，直到猜中为止。

这个猜数游戏是一个经典的二分查找算法的应用实例，其中小洛机器人代表程序中的算法部分，而你代表与程序交互的用户。

程序的基本逻辑流程：

1、初始化阶段：小洛机器人在1到100之间随机选择一个整数作为答案。

2、用户输入：用户输入一个猜测的数字。

3、比较阶段：

• 如果用户猜的数字小于小洛机器人选择的数字，小洛机器人输出 "Too small"。
• 如果用户猜的数字大于小洛机器人选择的数字，小洛机器人输出 "TOO large"。
• 如果用户猜的数字正好等于小洛机器人选择的数字，小洛机器人输出 "You are right！！"。
• 循环判断：如果用户没有猜中数字，程序会返回到用户输入阶段，让用户继续猜测，直到猜中为止。

4、结束条件：当用户猜中数字时，程序结束。

这个程序可以用伪代码表示如下： 

function play_guessing_game
    secret_number = random_number_between(1, 100) // 小洛随机选择数字
    while true
        guess = get_user_input() // 用户输入猜测数字
        if guess < secret_number
            print "Too small"
        else if guess > secret_number
            print "TOO large"
        else
            print "You are right！！"
            break // 猜中数字，退出循环
        end if
    end while
end function

在这个猜数游戏中，通常选择 do-while 循环而不是其他类型的循环（如 while 循环或 for 循环）的原因是：

• 保证至少执行一次：do-while 循环至少会执行一次循环体内的代码块，无论条件是否为真。这对于猜数游戏来说是必要的，因为玩家至少需要一次猜测的机会。
• 在循环结束后检查条件：do-while 循环会在执行循环体的代码之后检查条件。这意味着即使在第一次猜测后玩家就猜对了数字，循环依然会进行一次猜测，然后检查条件并退出。

如何让计算机产生一个随机数呢？

可以使用rand（）函数来产生一个0~RAND_MAX的整数，其中RAND_MAX是一个常量，其值与编译系统有关，而且别忘了加上头文件cstdlib。

可以使用rand()%a产生一个0~a-1的随机数。如果想产生一个a到b的随机数，可以使用rand()%(b-a+1)+a。

rand()生成的是“伪随机数”，因此每次执行前都要“喂给它”不同的初始值（srand()函数作为随机数种子，这样才能生成不同的随机数）。喂给它当前时间就是一个比较好的选择。

#include <iostream> 
#include <cstdlib>
#include <ctime>
using namespace std;
int main(){
	int ans,guess;
	srand(time(0));
	ans=rand()%100+1;
	do{
		cin>>guess;
		if(guess<ans) 
		    cout<<"Too small"<<endl;
		else if(guess>ans) 
		    cout<<"Too large"<<endl;
	}while(guess!=ans);
	cout<<"You are right!!"<<endl;
}

rand()%a看起来可以生成一个0到a-1的随机数，但是每个数字并不是等可能的。假设RNAD_MAX是32767，取0~99的随机数时，抽到0~67的可能要比剩下的数字大一点（想一想，为什么）。如果RAND_MAX远大于a时，影响并不大。请考虑一种等可能的生成区间随机数方式（可能需要多次抽取）

rand() % a 这种生成随机数的方法确实可以生成一个 0 到 a-1 范围内的整数，但是它可能不会是完全等概率的。这主要是因为 rand() 函数生成的随机数分布可能不是完全均匀的，特别是在模运算中，某些数字可能比其他数字出现的概率稍高。

当使用 rand() % a 时，如果 RAND_MAX 和 a 之间存在一定的数学关系，比如 a 是 100，而 RAND_MAX 是 32767，那么理论上每个数字出现的概率应该是相等的。但实际上，由于 rand() 函数生成的随机数可能存在轻微的偏差，以及模运算本身的数学特性，某些数字可能会比其他数字出现得更频繁。

具体来说，如果 RAND_MAX 除以 a 有余数，那么在取模运算中，0 到 (RAND_MAX % a - 1) 范围内的数字出现的概率会略高于其他数字。这是因为当 RAND_MAX 被 a 除尽时，余数范围内的数字会多出一些可能的随机数映射。例如，如果 RAND_MAX 是 32767，当 a 是 100 时，RAND_MAX % 100 的结果是 67，这意味着在 0 到 67 之间的数字有更多的机会映射到 rand() % 100 的结果中。

为了获得更均匀分布的随机数，可以采取以下方法之一：

1、使用更好的随机数生成器：C++11 中的 <random> 库提供了多种高质量的随机数生成器，例如 std::mt19937，它是基于 Mersenne Twister 算法。

2、调整随机数生成策略：使用不同的方法来生成随机数，例如先生成一个更大的范围内的随机数，然后通过适当的缩放和偏移来得到所需的范围。

3、后处理随机数序列：对生成的随机数序列进行后处理，例如通过随机打乱序列来减少任何可能的偏差。

4、使用舍入：如果需要更均匀的分布，可以先生成一个更大的范围的随机数，然后通过舍入到最近的整数来获得所需范围内的随机数。

使用 C++11 的 <random> 库可以很容易地实现这些改进，从而获得更高质量的随机数。