C++产生随机数,随机序列和随机分布

1.产生[0 N-1]区间的一个随机整数
2.产生一个[0 1]区间的随机小数
3.产生一个[0 N-1]区间的随机序列（常用于RANSAC）
4.产生服从某个分布的概率随机数

1.产生[0 N-1]区间的一个随机整数

#include <iostream>
#include<stdlib.h>
using namespace std; 
int main() { 
	srand((int)time(0)); //如果不加这个，重新运行程序得到的是一样顺序的随机数
	int N=51;
    for (int i = 0; i < 10; i++) {
        cout << random()%(N-1) <<endl;
    }
}

2.产生一个[0 1]区间的随机小数

#include <iostream>
#include <vector>
#include<stdlib.h>
using namespace std;
int main() { 
	srand((int)time(0)); 
	vector<int> nums(10,0);
	for (int i = 0; i < 100000; i++) {
		//(double)random()/(RAND_MAX)就是产生的随机小数
    	int k=((double)random()/(RAND_MAX)) /0.1;
    	nums[k]++;
	}
	for(int i=0;i<nums.size();i++)
	{
		cout<<"nums["<<i<<"] = "<<nums[i]<<endl;
	}
}

3.产生一个[0 N-1]区间的随机序列
意思就是在[0 N-1]之间的N个整数中随机挑取n个不重复的整数，在RANSAC中经常被使用到，ORBSLAM2中的RANSAC八点法求F矩阵使用到了这种方法。
下面代码展示了从0-99中随机挑选8个不重复的数的组合

#include <iostream>
#include<vector>
#include<stdlib.h>
using namespace std;
int main() { 
    srand((int)time(0));
    int N=100;
    int n=8;
    vector<int> vAllIndices(N);
    vector<int> vAvailableIndices(n);
    cout<<"vAllIndices[0] = "<<vAllIndices[0]<<endl;
    for(int i=0;i<vAllIndices.size();i++)
    {
        vAllIndices[i]=i;
    }
    for(int i=0;i<vAvailableIndices.size();i++)
    {
        int idx=random()%vAllIndices.size();
        vAvailableIndices[i]=vAllIndices[idx];
        vAllIndices[idx]=vAllIndices.back();
        vAllIndices.pop_back();
    }
    for(int i=0;i<vAvailableIndices.size();i++)
    {
        cout<<vAvailableIndices[i]<<" ";
    }
    cout<<endl;
}

这段代码选择了多组这样的组合，适用于多次的RANSAC

#include <iostream>
#include<vector>
#include<stdlib.h>
using namespace std;
int main() { 
    srand((int)time(0));

    int N=100;  //从0-N-1中产生随机数
    int n=8;    //一次RANSAC需要的个数
    int iteration=300;//准备进行iteration次RANSAC

    vector<int> vOriginalIndices(N);
    vector<int> vProcessingIndices(N);
    vector<vector<size_t>> vResultIndices(iteration,vector<size_t>(n,0));

    for(int i=0;i<vOriginalIndices.size();i++)
    {
        vOriginalIndices[i]=i;
    }

    for(int i=0;i<iteration;i++)
    {
        vProcessingIndices=vOriginalIndices;
        for(int j=0;j<n;j++)
        {
            int idx=random()%vProcessingIndices.size();
            vResultIndices[i][j]=vProcessingIndices[idx];
            vProcessingIndices[idx]=vProcessingIndices.back();
            vProcessingIndices.pop_back();
        }
    }
}

4.产生服从某个分布的概率随机数
读别人代码时发现他们经常使用随机数发生器来产生数据，简单地总结下用法
包含的头文件是#include<random>
应用上就是定义一个generator，这种随机数发生器的种子应该就够用了
std::default_random_engine generator;
然后定义一个分布函数xy_rand，此处定义了一个均匀分布，需要定义的参数是均匀分布的上下限 std::uniform_real_distribution<double> distribution_uniform(-4, 4.0);
另一种经常使用的分布是高斯分布，需要定义的参数是均值和标准差（不是方差），在用作噪声时均值通常被设置为0，
std::normal_distribution<double> distribution_normal(0., 10);

示例函数，在x轴方向上产生均匀分布，y方向标准正态分布，然后描绘二位坐标点的分布情况

#include<iostream>
#include<fstream>
#include<random>

using namespace std;

int main()
{
    ofstream out("point_random.txt");
    std::default_random_engine generator;
    std::uniform_real_distribution<double> distribution_uniform(-4, 4.0);
    std::normal_distribution<double> distribution_normal(0., 1);
    cout<<"distribution.stddev() = "<<distribution_normal.stddev()<<endl;
    for(size_t i=0;i<10000;i++)
    {
        out<<distribution_uniform(generator)<<" "<<distribution_normal(generator)<<endl;
    }
}

然后把y轴上的正态分布的标准差改为10，产生了下面这种情况，符合标准差越大，数据越分散的高斯性质