C語言隨機數生成完整指南：srand/rand 機制、種子選擇、範圍控制與現代替代方案

偽隨機數：從 time(NULL) 種子到均勻分布範圍映射的工程實踐

C 標準庫提供 rand() 生成偽隨機數，srand() 設置種子。本文系統講解其工作原理、常見誤區、範圍映射數學、線程安全問題，並介紹 C11 <random> (C++)、POSIX random()/drand48()、硬件隨機數 getrandom()/RDRAND 等現代替代方案。

一、 基礎 API 與標準流程

#include 
#include 

// 1. 設置種子（程序啟動時調用一次）
srand((unsigned int)time(NULL)); // 以當前時間秒數為種子

// 2. 生成隨機數
int r = rand(); // 返回 0 到 RAND_MAX (至少 32767)

// 3. 映射到目標範圍 [0, N-1]
int rn = rand() % N; // 簡單但有分布偏差（見下文）

二、 核心機制深度解析

1. 線性同餘生成器 (LCG) 原理

// 典型實現 (GCC glibc)
next = (next * 1103515245 + 12345) & 0x7fffffff; // 模 2^31
return (int)(next >> 16); // 取高 15 位作為結果 (RAND_MAX=32767)

// 關鍵特性：
// - 確定性：相同種子產生完全相同序列（利於調試/重現）
// - 週期性：LCG 週期為 2^31，足夠一般用途
// - 低位隨機性差：低位遞歸週期極短，故取高位返回

2. 種子選擇最佳實踐

禁忌：在循環中重複調用 srand(time(NULL))！若循環在同一秒內執行，種子相同，產生相同序列。

三、 範圍映射：% 取模偏差與無偏算法

假設 RAND_MAX = 32767，目標範圍 [0, 99] (N=100)。

// 方法 1：取模（有偏差）
rand() % 100; // 0~67 出現 328 次，68~99 出現 327 次，概率不均

// 方法 2：浮點縮放（有精度損失）
(int)(rand() / (RAND_MAX + 1.0) * 100);

// 方法 3：拒絕採樣（無偏，標準做法）
int rand_range(int n) { // 生成 [0, n-1]
    if (n <= 0) return 0;
    int limit = RAND_MAX - (RAND_MAX % n); // 最大能被 n 整除的值
    int r;
    do {
        r = rand();
    } while (r >= limit); // 拒絕超出部分，保證均勻
    return r % n;
}

// 方法 4：生成 [min, max] 閉區間
int rand_range_min_max(int min, int max) {
    return min + rand_range(max - min + 1);
}

四、 進階：線程安全與現代替代方案

1. rand()` 非線程安全

全局狀態 next 共享，多線程調用產生數據競爭。解決方案：

• 鎖保護 rand()（性能差）。
• 使用 rand_r(&seed) (POSIX)：傳入線程局部種子指針，無鎖。
• C++11 <random>：thread_local std::mt19937 gen(rd()); 每線程獨立引擎。

2. 更高質量隨機數引擎

3. C 語言現代化：自定義 PCG/Xoshiro 引擎

// 極簡 Xoshiro256** (公域代碼，無依賴)
typedef struct { uint64_t s[4]; } xoshiro256ss_state;

uint64_t rotl(const uint64_t x, int k) { return (x << k) | (x >> (64 - k)); }

uint64_t xoshiro256ss_next(xoshiro256ss_state *state) {
    const uint64_t *s = state->s;
    uint64_t result = rotl(s[1] * 5, 7) * 9;
    uint64_t t = s[1] << 17;
    s[2] ^= s[0]; s[3] ^= s[1]; s[1] ^= s[2]; s[0] ^= s[3];
    s[2] ^= t; s[3] = rotl(s[3], 45);
    return result;
}

// 使用：初始化 state.s 以熵源填充，調用 next() 獲取 64 位隨機數

五、 總結：選型決策樹

1. 教學/簡單工具/單線程/非安全 → srand(time(NULL)) + rand_range() (拒絕採樣)。
2. 多線程 C → rand_r(&thread_seed) 或線程局部 PCG/Xoshiro 狀態。
3. C++ 專案 → std::mt19937 + std::uniform_int_distribution。
4. 加密/金鑰/Token → getrandom() / /dev/urandom / RDRAND / arc4random_buf()。
5. 高性能科學計算/蒙特卡洛 → PCG / Xoshiro / Philox (可並行、可跳躍)。

核心認知：rand() 是「玩具級」引擎，低位不隨機、取模有偏差、非線程安全、不可加密。理解其 LCG 本質與局限，根據場景選擇合適引擎，是從「會用隨機數」到「工程化使用隨機性」的關鍵跨越。

1. 上一篇文章： PAT 甲級 1010 在字符串中查找指定字符：<code>strchr</code> 庫函數與手動掃描兩種解法對比
2. 下一篇文章： 基於 libpcap 的 QQ 號碼網絡嗅探實戰：UDP 協議分析、報文過濾與異步抓包完整實現

關於C語言

C# 使用 Spire.Doc 從 Word 文檔批量提取圖片完整教程

前言 Word 文檔中最常見的元素莫過於文字與圖片。若僅需提

支持括號與分數的四則運算計算器：C語言實現詳解

項目概覽 本項目實現一個功能完整的控制台計算器，支持： 四

Linux C 編程：信號集 sigset_t 與操作函數完整指南

信號集資料型別 typedef struct { unsig

C 語言練習：自由落體小球彈跳高度與總路程計算

C 語言練習：自由落體小球彈跳高度與總路程計算 經典物理建模