引言
隨機數在模擬、遊戲、加密、測試等領域不可或缺。C/C++ 提供了 rand()/srand() 這對經典函數，但其隨機品質與易用性在現代標準下已顯不足。本文系統梳理傳統用法的陷阱，並介紹 C++11 <random> 標準庫的現代解決方案。
傳統 rand()/srand() 機制與陷阱
基本運作原理
rand() 返回 0 到 RAND_MAX（至少 32767）之間的偽隨機整數。- 預設種子為 1，導致每次程式啟動產生相同序列——利於除錯，不利於實際應用。
srand(seed) 設定種子；相同種子產生相同序列。
常見錯誤與修正
| 錯誤寫法 | 問題 | 正確做法 |
|---|
重複呼叫 srand(time(NULL)) | 若在迴圈內呼叫，同一秒內種子相同，產生重複數列 | 程式啟動時 僅呼叫一次 srand((unsigned)time(nullptr)) |
直接用 rand() % N | 模數偏差：當 RAND_MAX 不可被 N 整除時，分布不均 | 使用拒絕採樣或改用 <random> 分布器 |
多執行緒共用 rand() | 非執行緒安全，內部狀態競爭 | 各執行緒使用獨立引擎實例（C++11） |
現代 C++11 <random> 最佳實踐
標準庫提供「隨機數引擎」+「分布器」的組合設計，分離隨機來源與統計分布，支援高品質、執行緒安全、可移植的隨機數生成。
核心組件
- 引擎：
std::mt19937（梅森旋轉，推薦通用）、std::random_device（非決定性熵源，用於播種）。
- 分布器：
uniform_int_distribution、uniform_real_distribution、normal_distribution 等，保證統計特性。
標準範例：產生 [min, max] 區間均勻整數
#include <random>
#include <iostream>
int main() {
std::random_device rd; // 硬體熵源
std::mt19937 gen(rd()); // 引擎播種
std::uniform_int_distribution<> dis(1, 100); // 閉區間 [1,100]
for (int i = 0; i < 10; ++i)
std::cout << dis(gen) << ' ';
}
進階技巧
- 執行緒區域儲存：
thread_local std::mt19937 gen(std::random_device{}()); 避免鎖競爭。
- 可重現除錯：測試時用固定種子
std::mt19937 gen(42);。
- 浮點數區間：
std::uniform_real_distribution<double> dis(0.0, 1.0); 產生 [0,1)。
- 正態分布：
std::normal_distribution<> dis(mean, stddev);。
遷移建議
- 新專案直接使用
<random>，勿再碰 rand()。
- 舊代碼維護期可保留
rand()，但新增功能改用現代設施。
- 加密級隨機數需用作業系統 API（
/dev/urandom、CryptGenRandom、std::random_device 視實作而定）。
總結
rand() 時代已過，C++11 <random> 以「引擎+分布」架構解決了品質、偏差、執行緒安全、可移植性等全方位問題。掌握 std::mt19937 + uniform_int_distribution 組合，即可覆蓋 95% 以上的應用場景，寫出專業級的隨機數代碼。
- 上一篇文章： C++ 引用與指標的核心差異深度解析
- 下一篇文章： Win32 串口通訊編程四大方案深度解析
Copyright ©
程式碼之家 All Rights Reserved
