C++ rand函数怎么用,头文件应包括什么

使用rand函数时头文件应该包括stdlib.h，rand()函数用来产生随机数，但是，rand()的内部实现是用线性同余法实现的，是伪随机数，由于周期较长，因此在一定范围内可以看成是随机的。rand()会返回一个范围在0到RAND_MAX（至少是32767）之间的伪随机数（整数）。

在调用rand()函数之前，可以使用srand()函数设置随机数种子，如果没有设置随机数种子，rand()函数在调用时，自动设计随机数种子为1。随机种子相同，每次产生的随机数也会相同。rand()函数需要的头文件是：<stdlib.h>

rand()函数原型：int rand(void)；使用rand()函数产生1-100以内的随机整数：int number1 = rand() % 100+1。

扩展资料：

使用rand()和srand()产生指定范围内的随机整数的方法，“模除+加法”的方法因为，对于任意数，0<=rand()%(n-m+1)<=n-m，因此，0+m<=rand()%(n-m+1)+m<=n-m+m，因此，如要产生[m,n]范围内的随机数num，可用：

int num=rand()%(n-m+1)+m。其中的rand()%(n-m+1)+m算是一个公式，记录一下方便以后查阅。比如产生10~30的随机整数：srand(time(0))，int a = rand() % (21)+10。

本文由青松原创并依GPL-V2及其后续版本发放，转载请注明出处且应包含本行声明。\x0d\x0a\x0d\x0aC++中常用rand()函数生成随机数，但严格意义上来讲生成的只是伪随机数（pseudo-random integral number）。生成随机数时需要我们指定一个种子，如果在程序内循环，那么下一次生成随机数时调用上一次的结果作为种子。但如果分两次执行程序，那么由于种子相同，生成的“随机数”也是相同的。\x0d\x0a\x0d\x0a在工程应用时，我们一般将系统当前时间(Unix时间)作为种子，这样生成的随机数更接近于实际意义上的随机数。给一下例程如下：\x0d\x0a\x0d\x0a#include \x0d\x0a#include \x0d\x0a#include \x0d\x0ausing namespace std\x0d\x0a\x0d\x0aint main()\x0d\x0a{\x0d\x0adouble random(double,double)\x0d\x0asrand(unsigned(time(0)))\x0d\x0afor(int icnt = 0icnt != 10++icnt)\x0d\x0acout <<"No." <<icnt+1 <<": " <<int(random(0,10))<<endl\x0d\x0areturn 0\x0d\x0a}\x0d\x0a\x0d\x0adouble random(double start, double end)\x0d\x0a{\x0d\x0areturn start+(end-start)*rand()/(RAND_MAX + 1.0)\x0d\x0a}\x0d\x0a/* 运行结果\x0d\x0a* No.1: 3\x0d\x0a* No.2: 9\x0d\x0a* No.3: 0\x0d\x0a* No.4: 9\x0d\x0a* No.5: 5\x0d\x0a* No.6: 6\x0d\x0a* No.7: 9\x0d\x0a* No.8: 2\x0d\x0a* No.9: 9\x0d\x0a* No.10: 6\x0d\x0a*/\x0d\x0a利用这种方法能不能得到完全意义上的随机数呢？似乎9有点多哦？却没有1,4,7？！我们来做一个概率实验，生成1000万个随机数，看0-9这10个数出现的频率是不是大致相同的。程序如下：\x0d\x0a#include \x0d\x0a#include \x0d\x0a#include \x0d\x0a#include \x0d\x0ausing namespace std\x0d\x0a\x0d\x0aint main()\x0d\x0a{\x0d\x0adouble random(double,double)\x0d\x0aint a[10] = \x0d\x0aconst int Gen_max = 10000000\x0d\x0asrand(unsigned(time(0)))\x0d\x0a\x0d\x0afor(int icnt = 0icnt != Gen_max++icnt)\x0d\x0aswitch(int(random(0,10)))\x0d\x0a{\x0d\x0acase 0: a[0]++break\x0d\x0acase 1: a[1]++break\x0d\x0acase 2: a[2]++break\x0d\x0acase 3: a[3]++break\x0d\x0acase 4: a[4]++break\x0d\x0acase 5: a[5]++break\x0d\x0acase 6: a[6]++break\x0d\x0acase 7: a[7]++break\x0d\x0acase 8: a[8]++break\x0d\x0acase 9: a[9]++break\x0d\x0adefault: cerr <<"Error!" <<endlexit(-1)\x0d\x0a}\x0d\x0a\x0d\x0afor(int icnt = 0icnt != 10++icnt)\x0d\x0acout <<icnt <<": " <<setw(6) <<setiosflags(ios::fixed) <<setprecision(2) <<double(a[icnt])/Gen_max*100 <<"%" <<endl\x0d\x0a\x0d\x0areturn 0\x0d\x0a}\x0d\x0a\x0d\x0adouble random(double start, double end)\x0d\x0a{\x0d\x0areturn start+(end-start)*rand()/(RAND_MAX + 1.0)\x0d\x0a}\x0d\x0a/* 运行结果\x0d\x0a* 0: 10.01%\x0d\x0a* 1: 9.99%\x0d\x0a* 2: 9.99%\x0d\x0a* 3: 9.99%\x0d\x0a* 4: 9.98%\x0d\x0a* 5: 10.01%\x0d\x0a* 6: 10.02%\x0d\x0a* 7: 10.01%\x0d\x0a* 8: 10.01%\x0d\x0a* 9: 9.99%\x0d\x0a*/\x0d\x0a可知用这种方法得到的随机数是满足统计规律的。\x0d\x0a\x0d\x0a另：在Linux下利用GCC编译程序，即使我执行了1000000次运算，是否将random函数定义了inline函数似乎对程序没有任何影响，有理由相信，GCC已经为我们做了优化。但是冥冥之中我又记得要做inline优化得加O3才行...\x0d\x0a\x0d\x0a不行，于是我们把循环次数改为10亿次，用time命令查看执行时间：\x0d\x0achinsung@gentoo ~/workspace/test/Debug $ time ./test \x0d\x0a0: 10.00%\x0d\x0a1: 10.00%\x0d\x0a2: 10.00%\x0d\x0a3: 10.00%\x0d\x0a4: 10.00%\x0d\x0a5: 10.00%\x0d\x0a6: 10.00%\x0d\x0a7: 10.00%\x0d\x0a8: 10.00%\x0d\x0a9: 10.00%\x0d\x0a\x0d\x0areal2m7.768s\x0d\x0auser2m4.405s\x0d\x0asys 0m0.038s\x0d\x0achinsung@gentoo ~/workspace/test/Debug $ time ./test \x0d\x0a0: 10.00%\x0d\x0a1: 10.00%\x0d\x0a2: 10.00%\x0d\x0a3: 10.00%\x0d\x0a4: 10.00%\x0d\x0a5: 10.00%\x0d\x0a6: 10.00%\x0d\x0a7: 10.00%\x0d\x0a8: 10.00%\x0d\x0a9: 10.00%\x0d\x0a\x0d\x0areal2m7.269s\x0d\x0auser2m4.077s\x0d\x0asys 0m0.025s\x0d\x0a\x0d\x0a前一次为进行inline优化的情形，后一次为没有作inline优化的情形，两次结果相差不大，甚至各项指标后者还要好一些，不知是何缘由...

---