C++随机数

随机数

C++标准库定义了一组随机数引擎类和适配器，使用不同数学方法生成伪随机数。标准库还定义了一组分布模板，根据不同的概率分布生成随机数。引擎和分布类型的名字都与它们的数学性质相对应。定义在头文件random中。

随机数引擎操作
Engine e;	默认构造函数；使用该引擎默认的种子
Engine e(s);	使用整形s作为种子
e.seed(s)	使用种子s重置引擎的状态
e.min() e.max()	此引擎可生成的最小和最大值
Engine::result_type	此引擎生成的unsigned整形类型
e.discard(u)	将引擎推进u步；u的类型为unsigned long long

大多数场合，随机数引擎的输出是不能直接使用的，这也是为什么早先我们称之为原始随机数。问题出在生成的随机数的值范围通常与我们需要的不符，而正确转换随机数的范围是极其困难的。
为了得到一个指定范围内的数，我们需要一个分布类型的对象。

分布类型的操作
Dist d;	默认构造函数；使d准备好被使用。其他构造函数依赖于Dist的类型；分布类型的构造函数是explicit的
d(e)	用相同的e连续调用d的话，会根据d的分布式类型生成一个随机数序列；e是一个随机数引擎对象
d.min() d.max()	返回d(e)能生成的最小值和最大值
d.reset()	重建d的状态，使得随后对d的使用不依赖于d已经生成的值

一个给定的随机数发生器一直会生成相同的随机数序列。一个函数如果定义了局部的随机数发生器，应该将其（包括引擎和分布对象）定义为static的。否则，每次调用函数都会生成相同的序列。

随机数分布

均匀分布

• uniform_int_distribution< IntT > u(m, n);
• uniform_real_distribution< RealT > u(x, y);
  生成指定类型的，在给定包含范围内的值。m（或x）是可以返回的最小值；n（或y）是最大值。m默认为0；n默认为类型IntT对象可以表示的最大值。x默认为0.0，y默认为1.0。

伯努利分布

• bernoulli_distribution b( p );
  以给定概率p生成true；p的默认值为0.5。
• binomial_distribution< IntT> b(t, p);
  分布是按采样大小为整形值t，概率为p生成的；t的默认值为1，p的默认值为0.5。
• geometric_distribution< IntT > g§;
  每次实验成功的概率为p；p的默认值为0.5。
• negative_binomial_distribution< IntT > nb(k, p);
  k(整形值)次实验成功的概率为p；k的默认值为1，p的默认值为0.5。

泊松分布

• poisson_distribution< IntT > p(x);
  均值为double值x的分布。
• exponential_distribution< RealT > e(lam);
  指数分布，参数lambda通过浮点值lam给出；lam的默认值为1.0。
• gamma_distribution< RealT > g(a, b);
  alpha（形状参数）为a，beta（尺度参数）为b；两者的默认值均为1.0。、
• weibull_distribution< RealT > w(a, b);
  形状参数为a，尺度参数为b的分布；两者的默认值均为1.0。
• extreme_value_distribution< RealT > e(a, b);
  a的默认值为0.0，b的默认值为1.0。

正太分布

• normal_distribution< RealT > n(m, s);
  均值为m，标准差为s；m的默认值为0.0，s的默认值为1.0。
• lognormal_distribution< RealT > ln(m, s);
  均值为m，标准差为s；m的默认值为0.0，s的默认值为1.0。
• chi_squared_distribution< RealT > c(x);
  自由度为x；默认值为1.0。
• cauchy_distribution< RealT > c(a, b);
  位置参数a和尺度参数b的默认值分别为0.0和1.0。
• fisher_f_distribution< RealT > f(m, n);
  自由度为m和n；默认值均为1。
• student_t_distribution< RealT > s(n);
  自由度为n；n的默认值均为1。

抽样分布

• discrete_distribution< IntT > d(i, j);
• discrete_distribution< IntT > d{il};
  i和j是一个权重序列的输入迭代器，il是一个权重的花括号列表。权重必须能转换为double。
• piecewise_constant_distribution< RealT > pc(b, e, w);
  b，e和w是输入迭代器。
• piecewise_linear_distribution< RealT > pl(b, e, w);
  b，e和w是输入迭代器。

随机数引擎

标准库定义了三个类，实现了不同的算法来生成随机数。标准库还定义了三个适配器，可以修改给定引擎生成的序列。引擎和引擎适配器都是模板。于分布的参数不同，这些引擎的参数更为复杂，且需深入了解特定引擎使用的数学知识。

• default_random_engine
  某个其他引擎类型的类别别名，目的是用于大多数情况。
• linear_congruenrtial_engine
  minstd_rand0 的乘数为16807， 模为2147483647，增量为0。
  minstd_rand 的乘数为48271，模为2147483647，增量为0。
• mersenne_twister_engine
  mt19937 为32位无符号梅森旋转生成器
  mt19937_64 为64位无符号梅森旋转生成器
• subtract_with_carry_engine
  ranlux24_base 为32位无符号借位减法生成器。
  ranlux48_base 为64位无符号借位减法生成器。
• discard_block_engine
  引擎适配器，将其底层引擎的结果丢弃。用要使用的底层引擎，块大小和旧块大小来参数化。
  ranlux24使用ranlux24_base引擎，块大小位223，旧块大小的23。
  ranlux48使用ranlux48_base引擎，块大小位389，旧块大小的11。
• independent_bits_engine
  引擎适配器，生成指定位数的随机数。用要使用的底层引擎，结果的位数以及保存生成的二进制位的无符号整形类型来参数化。指定的位数必须小于指定的无符号类型所能保存的位数。
• shuffle_order_engine
  引擎适配器，返回的就是底层引擎生成的数，但返回的顺序不同。用要使用的底层引擎和要混洗的元素数目来参数化。
  knuth_b使用minstd_rand0和表大小256。