随机数生成算法（整数、小数和正态分布）（附代码）

首先定义RandomNumber类的时候，我们就定义了一个构造函数，每次调用就会产生随着系统时间变化的随机种子，这样我们就可以避免生成伪随机数，小数和整数随机数的生成比较好理解，而服从正态分布的随机数本文采用的是Box–Muller算法，它可以通过两个服从（0，1）均匀分布的随机数构造服从正态分布的随机数。

Box-Muller算法

当x和y是两个独立且服从（0，1）均匀分布的随机变量时，有

                                            

                                           

Z1和Z2独立且服从标准正态分布，当带入均值和方差时，

                                                

Z就可以产生服从（μ，σ2）正态分布的随机数，本文采用的是Z1。

实例

设置随机产生20组（-100，100）的整数，（0，1）的小数，服从（0，1）正态分布的随机数

c++代码

#include <iostream>
#include <ctime>
#define  PI    3.1415926535897    //π值
using namespace std;
//==========================随机产生均匀分布的小数、整数和服从高斯分布的随机数=========================
class RandomNumber
{
public:
	RandomNumber() {
		srand((unsigned)time(NULL));    //析构函数，在对象创建时数据成员执行初始化操作
	}
	int integer(int begin, int end)
	{
		return rand() % (end - begin + 1) + begin;
	}
	double decimal(double a, double b)
	{
		return double(rand() % 10000) / 10000 * (b - a) + a;
	}
	double GaussianNoise(double mu, double sigma)
	{
		return sigma * sqrt(-2 * log(decimal(0, 1)))*cos(2 * PI*(decimal(0, 1))) + mu;
	}
};
int main()
{
	RandomNumber r;//定义随机数
	cout << "   " << "整数" << "      " << "小数" << "     " << "服从(0，1)正态分布" << endl;
	for (int i = 0; i < 20; i++)
	{ 
		cout << "    " << r.integer(-100, 100) << "      " << r.decimal(0, 1) << "        " << r.GaussianNoise(0, 1) << endl;
	}
    
}