用C语言的rand()和srand()产生伪随机数的方法总结

标准库<cstdlib>（被包含于<iostream>中）提供两个帮助生成伪随机数的函数：

函数一：int rand(void)；
从srand (seed)中指定的seed开始，返回一个[seed, RAND_MAX（0x7fff）)间的随机整数。

函数二：void srand(unsigned seed)；
参数seed是rand()的种子，用来初始化rand()的起始值。

能够认为rand()在每次被调用的时候，它会查看：
1） 若是用户在此以前调用过srand(seed)，给seed指定了一个值，那么它会自动调用srand(seed)一次来初始化它的起始值。
2） 若是用户在此以前没有调用过srand(seed)，它会自动调用srand(1)一次。

根据上面的第一点咱们能够得出：
1） 若是但愿rand()在每次程序运行时产生的值都不同，必须给srand(seed)中的seed一个变值，这个变值必须在每次程序运行时都不同（好比到目前为止流逝的时间）。
2） 不然，若是给seed指定的是一个定值，那么每次程序运行时rand()产生的值都会同样，虽然这个值会是[seed, RAND_MAX（0x7fff）)之间的一个随机取得的值。
3） 若是在调用rand()以前没有调用过srand(seed)，效果将和调用了srand(1)再调用rand()同样（1也是一个定值）。

举几个例子，假设咱们要取得0～6之间的随机整数（不含6自己）：

例一，不指定seed：
for(int i=0;i<10;i++){ 
ran_num=rand() % 6;
cout<<ran_num<<" ";
}
每次运行都将输出：5 5 4 4 5 4 0 0 4 2

例二，指定seed为定值1：
srand(1);
for(int i=0;i<10;i++){ 
ran_num=rand() % 6;
cout<<ran_num<<" ";
}
每次运行都将输出：5 5 4 4 5 4 0 0 4 2
跟例子一的结果彻底同样。

例三，指定seed为定值6：
srand(6);
for(int i=0;i<10;i++){ 
ran_num=rand() % 6;
cout<<ran_num<<" ";
}
每次运行都将输出：4 1 5 1 4 3 4 4 2 2
随机值也是在[0,6）之间，随得的值跟srand(1)不一样，可是每次运行的结果都相同。

例四，指定seed为当前系统流逝了的时间（单位为秒）：time_t time(0)：
#include <ctime>
//…
srand((unsigned)time(0));
for(int i=0;i<10;i++){ 
ran_num=rand() % 6;
cout<<ran_num<<" ";
}
第一次运行时输出：0 1 5 4 5 0 2 3 4 2
第二次：3 2 3 0 3 5 5 2 2 3
总之，每次运行结果将不同，由于每次启动程序的时刻都不一样（间隔须大于1秒？，见下）。

关于time_t time(0)：

time_t被定义为长整型，它返回从1970年1月1日零时零分零秒到目前为止所通过的时间，单位为秒。好比假设输出：
cout<<time(0);
值约为1169174701，约等于37（年）乘365（天）乘24（小时）乘3600（秒）（月日没算）。

另外，关于ran_num = rand() % 6，

将rand()的返回值与6求模是必须的，这样才能确保目的随机数落在[0,6)之间，不然rand()的返回值自己多是很巨大的。
一个通用的公式是：
要取得[a,b)之间的随机整数，使用（rand() % (b-a)）+ a （结果值将含a不含b）。
在a为0的状况下，简写为rand() % b。

最后，关于伪随机浮点数：

用rand() / double(RAND_MAX)能够取得0～1之间的浮点数（注意，不一样于整型时候的公式，是除以，不是求模），举例：
double ran_numf=0.0;
srand((unsigned)time(0));
for(int i=0;i<10;i++){ 
ran_numf = rand() / (double)(RAND_MAX);
cout<<ran_numf<<" ";
}
运行结果为：0.716636，0.457725，…等10个0～1之间的浮点数，每次结果都不一样。

若是想取更大范围的随机浮点数，好比1～10，能够将
rand() /(double)(RAND_MAX) 改成 rand() /(double)(RAND_MAX/10)
运行结果为：7.19362，6.45775，…等10个1～10之间的浮点数，每次结果都不一样。
至于100，1000的状况，如此类推。

以上不是伪随机浮点数最好的实现方法，不过能够将就着用用…