在 C++ 程序中，在新標(biāo)準(zhǔn)出現(xiàn)之前，C 和 C++ 都依賴一個簡單的 C 庫函數(shù) rand 來生成隨機(jī)數(shù)，但是，這個函數(shù)生成的是均勻分布的偽隨機(jī)數(shù)，每個隨機(jī)數(shù)的范圍在 0 和一個系統(tǒng)相關(guān)的最大值（至少為 32767）之間。

  rand 函數(shù)有一些問題：即使不是大多數(shù)，也有很多程序需要不通范圍的隨機(jī)數(shù)。一些應(yīng)用需要隨機(jī)浮點(diǎn)數(shù)。一些程序需要非均勻分布的隨機(jī)數(shù)。而在編寫程序?yàn)榱私鉀Q這些通常會轉(zhuǎn)換 rand 生成的隨機(jī)數(shù)的范圍、類型或者是分布時，常常會引入非隨機(jī)性。

  在 C++ 11 標(biāo)準(zhǔn)中，定義在頭文件 random 中的隨機(jī)數(shù)庫通過一組協(xié)作的類來解決這些問題，主要用到的是兩個類：

• 隨機(jī)數(shù)引擎類（random-number engines）
• 隨機(jī)數(shù)分布類（random-number distribution)

其中，一個引擎類可以生成 unsigned 隨機(jī)數(shù)列，一個分布使用一個引擎類生成指定類型的，在給定范圍內(nèi)的，服從指定概率分布的隨機(jī)數(shù)。

1. 隨機(jī)數(shù)引擎和分布

  隨機(jī)數(shù)引擎是函數(shù)對象類，他們定義了一個調(diào)用運(yùn)算符，該運(yùn)算符不接受參數(shù)并返回一個隨機(jī)的 unsigned 整數(shù)。我們可以通過調(diào)用一個隨機(jī)數(shù)引擎對象來生成原始隨機(jī)數(shù)。

default_random_engine e;    // 生成隨機(jī)無符號數(shù)
for(size_t i=0; i<10; i++)
    // e() “調(diào)用”對象來生成下一個隨機(jī)數(shù)
    cout << e() <<endl;

在上面這幾行的代碼中，定義了一個名為 e 的 default_random_engine 的對象。在 for 循環(huán)內(nèi)，我們調(diào)用對象 e 來獲得下一個隨機(jī)數(shù)。

1.1 分布類型和引擎

  為了得到一個在指定范圍內(nèi)的數(shù)，我們一用一個分布類型的對象：

//生成 0 到 9 之間（包含）均勻分布的隨機(jī)數(shù)
uniform_int_distribution<unsigned> u(0,9);
default_random_engine e;    // 生成無符號隨機(jī)整數(shù)
for (size_t i =0;i<10; i++)
    // 將 u 作為隨機(jī)數(shù)源
    // 每個調(diào)用返回在指定范圍內(nèi)并服從均勻分布的值
    cout<<u(e)<<" ";
cout<< endl;

上面的代碼輸入如下:

0 1 7 4 5 2 0 6 6 9

  上面的程序中，我們將 u 定義為 uniform_int_distribution<unsigned> 。這種類型生成均勻分布的 unsigned 值。當(dāng)我們定義一個這種類型的對象時，可以提供想要的最小值和最大值。在上面這段代碼中，u(0,9) 表示我們希望得到 0 到 9 之間（包含）的數(shù)。隨機(jī)數(shù)分布類會使用包含的范圍，從而我們可以得到給定整形的每個可能值。

  類似引擎類型，分布類型也是函數(shù)對象類。分布類型定義了一個調(diào)用運(yùn)算符，它接受一個隨機(jī)數(shù)引擎作為參數(shù)。分布對象使用它的引擎參數(shù)生成隨機(jī)數(shù)，并將其映射到指定的分布。

  傳遞給分布對象的是引擎對象本身，也就是 u(e)，如果我們將調(diào)用寫為 u(e())，含義就變?yōu)閷?nbsp;e 生成的下一個值傳遞給 u，這會導(dǎo)致一個編譯錯誤。我們傳遞的是引擎本身，而不是他生成的下一個值，原因是某些分布可能需要調(diào)用引擎多次才能得到一個值。

1.2 使用引擎生成一個數(shù)值序列

  隨機(jī)數(shù)發(fā)生器有一個特性，也就是即使生成的樹看起來是隨機(jī)的，但是對于一個給定的發(fā)生器，每次運(yùn)行程序它都會返回相同的數(shù)值序列。序列不變這一事實(shí)在 調(diào)試 的時候十分有用，但是另一方面，使用隨機(jī)數(shù)發(fā)生器的程序也必須考慮到這一特性。

  下面介紹一個例子，需要一個函數(shù)生成一個 vector，包含 100 個均勻分布在 0 到 9 之間的隨機(jī)數(shù)。一種錯誤的方法是使用下面的代碼：

vector<unsigned >bad_randVec()
{
    default_random_engine e;
    uniform_int_distribution<unsigned >u(0,9);
    vector<unsigned >ret;
    for(size_t i = 0;i<100;i++)
        ret.push_back(u(e));
    return ret;
}
// 但是 每次調(diào)用這個函數(shù)都會返回相同的 vector
vector<unsigned >v1(bad_randVec());
vector<unsigned >v2(bad_randVec());
// 將會打印輸出 equal
cout << ((v1==v2) ? "equal" : "not equal") << endl;

上面這段代碼會輸出 equal，因?yàn)?vector v1 和 v2 具有相同的值。

正確的定義方法是 將引擎和關(guān)聯(lián)的分布對象定義為 static 的：

 vector<unsigned >good_randVec()
{
    // 由于我們希望引擎和分布對象保持狀態(tài)，因此應(yīng)該將他們定義為
    // static 的，從而每次調(diào)用都生成新的數(shù)
    static default_random_engine e;
    static uniform_int_distribution<unsigned > u(0,9);
    vector<unsigned > ret;
    for(size_t i = 0; i<100;i++)
        ret.push_back(u(e));
    return ret;
}

由于 e 和 u 都是 static 的，因此它們在函數(shù)調(diào)用之間會保持住狀態(tài)。第一次調(diào)用會使用 u(e) 生成的序列中的前 100 個隨機(jī)數(shù)，第二次調(diào)用會獲得接下來 100 個。以此類推。

  注意，一個給定的隨機(jī)數(shù)發(fā)生器已知會生成相同的隨機(jī)數(shù)序列。一個函數(shù)如果定義了局部的隨機(jī)數(shù)發(fā)生器，應(yīng)該將其（包括引擎和分布對象）定義為 static 的。否則，每次調(diào)用函數(shù)都會生成相同的序列。

1.3 設(shè)置隨機(jī)數(shù)發(fā)生器種子

  隨機(jī)數(shù)發(fā)生器會生成相同的隨機(jī)數(shù)序列這一特性在調(diào)試中很有用。但是，一旦我們的程序調(diào)試完畢，我們通常希望每次運(yùn)行程序都會生成不同的隨機(jī)結(jié)果，可以通過提供一個種子(seed)來達(dá)到這個目的。種子就是一個數(shù)值，殷勤可以利用它從序列中一個新位置重新開始生成隨機(jī)數(shù)。

  為引擎設(shè)置種子有兩種方式：

• 在創(chuàng)建引擎對象時提供種子
• 調(diào)用引擎的 seed 成員

    // 幾乎肯定是生成隨機(jī)整數(shù) vector 的錯誤方法
    // 每次調(diào)用這個函數(shù)都會生成相同的 100 個數(shù)
    default_random_engine e1;       // 使用默認(rèn)種子
    default_random_engine e2(2147483646);       // 使用給定的種子值
    // e3 和 e4 將會生成相同的序列，因?yàn)樗麄兪褂昧讼嗤姆N子
    default_random_engine e3;
    e3.seed(32767);             //調(diào)用 seed 設(shè)置為一個新種子值
    default_random_engine e4(32767);    // 將種子值設(shè)置為 32767
    for(size_t i = 0;i != 10; i++)
    {
        if (e1() == e2())
            cout<<"unseeded match at iteeration: "<<i<<endl;
        if (e3() != e4())
            cout<<"seeded differs at itertion: "<<i<<endl;
    }

設(shè)置種子最常用的方法是調(diào)用系統(tǒng)函數(shù) time ，這個函數(shù)定義再頭文件 ctime 中，它返回一個特定時刻到當(dāng)前經(jīng)過了多少秒。函數(shù) time 接受單個指針參數(shù)，它指向用于寫入時間的數(shù)據(jù)結(jié)構(gòu)。如果此指針為空，則函數(shù)簡單的返回時間：

default_random_engine e1(time(0));  // 稍微隨機(jī)些的種子--把0換成NULL也行

但是，由于 time 返回以秒計的時間，因此這種方式只適用于生成種子的間隔為秒級或更長的應(yīng)用。

2. 其他隨機(jī)數(shù)分布

2.1 生成隨機(jī)實(shí)數(shù)

  程序常常需要一個隨機(jī)浮點(diǎn)數(shù)源。特別是程序經(jīng)常需要 0 到 1 之間的隨機(jī)數(shù)。

  可一定以一個 uniform_real_distribution 類型的對象，并讓標(biāo)準(zhǔn)庫來處理從隨機(jī)整數(shù)到隨機(jī)浮點(diǎn)數(shù)的映射。與處理 uniform_int_distribution 一樣，在定義對象時，我們指定最小值和最大值。

    default_random_engine e;        // 生成無符號隨機(jī)整數(shù)
    // 0 到 1 （包含）的均勻分布
    uniform_real_distribution<double >u(0,1);
    for(size_t i =0;i<10;i++)
        cout<<u(e)<<" ";
    cout<<endl;

此外，當(dāng)我們對分布函數(shù)不指定默認(rèn)生成的類型參數(shù)時，程序會自動賦予一個類型，生成浮點(diǎn)值得分布類型默認(rèn)生成 double 類型，生成整型值的分布類型默認(rèn)生成 int 類型，如下：

uniform_real_distribution<>u(-1,1); // 默認(rèn)生成 double 值

2.2 生成非均勻分布的隨機(jī)數(shù)

  除了生成上面的均勻分布，C++ 11 還規(guī)定了可以生成 20 種不同的分布類型，比如 均勻分布uniform，正態(tài)分布normal，二項分布binomial，泊松分布poisson，學(xué)生分布 student 等等，相關(guān)函數(shù)可以查看相應(yīng)的函數(shù)（具體可以參考 C++ Primer 781頁）。

到此這篇關(guān)于C++11生成隨機(jī)數(shù)(random庫)的使用的文章就介紹到這了,更多相關(guān)C++11生成隨機(jī)數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論