本文分享了C語言/C++如何生成隨機(jī)數(shù)的具體實(shí)現(xiàn)方法，供大家參考，具體內(nèi)容如下

C語言/C++怎樣產(chǎn)生隨機(jī)數(shù)：這里要用到的是rand()函數(shù), srand()函數(shù)，C語言/C++里沒有自帶的random(int number)函數(shù)。
(1) 如果你只要產(chǎn)生隨機(jī)數(shù)而不需要設(shè)定范圍的話，你只要用rand()就可以了：rand()會(huì)返回一隨機(jī)數(shù)值, 范圍在0至RAND_MAX 間。RAND_MAX定義在stdlib.h, 其值為2147483647。
例如：

#include<stdio.h>
#include<stdlib.h>
void main()
{
    for(int i=0;i<10;i+)
       printf("%d\n",rand());
}

(2) 如果你要隨機(jī)生成一個(gè)在一定范圍的數(shù)，你可以在宏定義中定義一個(gè)random(int number)函數(shù)，然后在main()里面直接調(diào)用random()函數(shù)：
例如：隨機(jī)生成10個(gè)0~100的數(shù)：

#include<stdio.h>
#include<stdlib.h>
#define random(x) (rand()%x)
void main()
{
   for(int x=0;x<10;x++)
      printf("%d\n",random(100));
}
 

(3)但是上面兩個(gè)例子所生成的隨機(jī)數(shù)都只能是 一次性的，如果你第二次運(yùn)行的時(shí)候輸出結(jié)果仍和第一次一樣。這與srand()函數(shù)有關(guān)。srand()用來設(shè)置rand()產(chǎn)生隨機(jī)數(shù)時(shí)的隨機(jī)數(shù)種子。 在調(diào)用rand()函數(shù)產(chǎn)生隨機(jī)數(shù)前，必須先利用srand()設(shè)好隨機(jī)數(shù)種子（seed）, 如果未設(shè)隨機(jī)數(shù)種子, rand()在調(diào)用時(shí)會(huì)自動(dòng)設(shè)隨機(jī)數(shù)種子為1。上面的兩個(gè)例子就是因?yàn)闆]有設(shè)置隨機(jī)數(shù)種子，每次隨機(jī)數(shù)種子都自動(dòng)設(shè)成相同值1 ，進(jìn)而導(dǎo)致rand()所產(chǎn)生的隨機(jī)數(shù)值都一樣。
srand()函數(shù)定義 ： void srand (unsigned int seed);
通?？梢岳胓eypid()或time(0)的返回值來當(dāng)做seed
如果你用time(0)的話，要加入頭文件#include<time.h>
例如：

#include<stdio.h>
#include<stdlib.h>
#include<time.h>
#define random(x) (rand()%x)
void main()
{
   srand((int)time(0));
   for(int x=0;x<10;x++)
      printf("%d\n",random(100));
}

隨機(jī)數(shù)在實(shí)際運(yùn)用中非常之多，如游戲設(shè)計(jì)，信號(hào)處理，通常我們很容易得到平均分布的隨機(jī)數(shù)。但如何根據(jù)平均分布的隨機(jī)數(shù)進(jìn)而產(chǎn)生其它分布的隨機(jī)數(shù)呢？本文提出了一種基于幾何直觀面積的方法，以正態(tài)分布隨機(jī)數(shù)的產(chǎn)生為例討論了任意分布的隨機(jī)數(shù)的產(chǎn)生方法。

一、平均分布隨機(jī)數(shù)的產(chǎn)生
    大家都知道，隨機(jī)數(shù)在各個(gè)方面都有很大的作用，在vc的環(huán)境下，為我們提供了庫函數(shù)rand()來產(chǎn)生一個(gè)隨機(jī)的整數(shù)。該隨機(jī)數(shù)是平均在0~RAND_MAX之間平均分布的，RAND_MAX是一個(gè)常量，在VC6.0環(huán)境下是這樣定義的：
#define RAND_MAX 0x7fff
   它是一個(gè)short 型數(shù)據(jù)的最大值，如果要產(chǎn)生一個(gè)浮點(diǎn)型的隨機(jī)數(shù)，可以將rand()/1000.0這樣就得到一個(gè)0~32.767之間平均分布的隨機(jī)浮點(diǎn)數(shù)。如果要使得 范圍大一點(diǎn)，那么可以通過產(chǎn)生幾個(gè)隨機(jī)數(shù)的線性組合來實(shí)現(xiàn)任意范圍內(nèi)的平均分布的隨機(jī)數(shù)。例如要產(chǎn)生-1000~1000之間的精度為四位小數(shù)的平均分布 的隨機(jī)數(shù)可以這樣來實(shí)現(xiàn)。先產(chǎn)生一個(gè)0到10000之間的隨機(jī)整數(shù)。方法如下 ：
int a = rand()000;
然后保留四位小數(shù)產(chǎn)生0~1之間的隨機(jī)小數(shù)：
double b = (double)a/10000.0;
然后通過線性組合就可以實(shí)現(xiàn)任意范圍內(nèi)的隨機(jī)數(shù)的產(chǎn)生，要實(shí)現(xiàn)-1000~1000內(nèi)的平均分布的隨機(jī)數(shù)可以這樣做：
double dValue = (rand()000)/10000.0*1000-(rand()000)/10000.0*1000;
則dValue就是所要的值。
   到現(xiàn)在為止，你或許以為一切工作都已經(jīng)完成了，其實(shí)不然，仔細(xì)一看，你會(huì)發(fā)現(xiàn)有問題的，上面的式子化簡后就變?yōu)椋?br /> double dValue = (rand()000)/10.0-(rand()000)/10.0;
   這樣一來，產(chǎn)生的隨機(jī)數(shù)范圍是正確的，但是精度不正確了，變成了只有一位正確的小數(shù)的隨機(jī)數(shù)了，后面三位的小數(shù)都是零，顯然不是我們要求的，什么原因呢，又怎么辦呢。
   先找原因，rand()產(chǎn)生的隨機(jī)數(shù)分辨率為32767，兩個(gè)就是65534，而經(jīng)過求余后分辨度還要減小為10000，兩個(gè)就是20000而要求的分辨率為1000*10000*2=20000000，顯然遠(yuǎn)遠(yuǎn)不夠。下面提供的方法可以實(shí)現(xiàn)正確的結(jié)果：

double a = (rand()000) * (rand()00)/10000.0;
double b = (rand()000) * (rand()00)/10000.0;
double dValue = a-b;

 則dValue就是所要求的結(jié)果。在下面的函數(shù)中可以實(shí)現(xiàn)產(chǎn)生一個(gè)在一個(gè)區(qū)間之內(nèi)的平均分布的隨機(jī)數(shù)，精度是4位小數(shù)。

double AverageRandom(double min,double max)
{
int minInteger = (int)(min*10000);
int maxInteger = (int)(max*10000);
int randInteger = rand()*rand();
int diffInteger = maxInteger - minInteger;
int resultInteger = randInteger % diffInteger + minInteger;
return resultInteger/10000.0;
}

   但是有一個(gè)值得注意的問題，隨機(jī)數(shù)的產(chǎn)生需要有一個(gè)隨機(jī)的種子，因?yàn)橛糜?jì)算機(jī)產(chǎn)生的隨機(jī)數(shù)是通過遞推的方法得來的，必須有一個(gè)初始值，也就是通常所說的隨 機(jī)種子，如果不對隨機(jī)種子進(jìn)行初始化，那么計(jì)算機(jī)有一個(gè)確省的隨機(jī)種子，這樣每次遞推的結(jié)果就完全相同了，因此需要在每次程序運(yùn)行時(shí)對隨機(jī)種子進(jìn)行初始 化，在vc中的方法是調(diào)用srand（int）這個(gè)函數(shù)，其參數(shù)就是隨機(jī)種子，但是如果給一個(gè)常量，則得到的隨機(jī)序列就完全相同了，因此可以使用系統(tǒng)的時(shí) 間來作為隨機(jī)種子，因?yàn)橄到y(tǒng)時(shí)間可以保證它的隨機(jī)性。
   調(diào)用方法是srand(GetTickCount()),但是又不能在每次調(diào)用rand()的時(shí)候都用srand(GetTickCount())來初始 化，因?yàn)楝F(xiàn)在計(jì)算機(jī)運(yùn)行時(shí)間比較快，當(dāng)連續(xù)調(diào)用rand()時(shí)，系統(tǒng)的時(shí)間還沒有更新，所以得到的隨機(jī)種子在一段時(shí)間內(nèi)是完全相同的，因此一般只在進(jìn)行一 次大批隨機(jī)數(shù)產(chǎn)生之前進(jìn)行一次隨機(jī)種子的初始化。下面的代碼產(chǎn)生了400個(gè)在-1~1之間的平均分布的隨機(jī)數(shù)。

double dValue[400];
srand(GetTickCount());
for(int i= 0;i < 400; i++)
{
double dValue[i] = AverageRandom(-1,1);
}

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助。

最新評(píng)論