现代C++推荐用std::random_device和std::mt19937替代rand()：前者提供真随机种子，后者为高质量伪随机引擎；须用random_device初始化mt19937，配合uniform_int_distribution等分布对象生成指定范围的均匀随机数，避免取模破坏均匀性。

用 std::random_device 和 std::mt19937 生成高质量随机数

现代 C++ 推荐弃用 rand()，改用 `` 头文件中的引擎 + 分布组合。核心是：std::random_device 提供真随机种子（通常来自系统熵），std::mt19937 是高效、周期长的伪随机数引擎。

常见错误是直接用 std::mt19937{} 默认构造——它用固定种子，每次运行结果都一样。

• 正确做法：用 std::random_device 初始化引擎，例如 std::mt19937 gen{std::random_device{}()}
• std::mt19937 适合 32 位整数；若需 64 位，用 std::mt19937_64
• 引擎对象应复用，不要每次生成一个新 gen，否则可能因构造开销或种子重复影响性能和随机性

用 std::uniform_int_distribution 生成指定范围整数

引擎只负责产出均匀分布的原始整数（如 uint32_t），要映射到自定义区间（比如 [1, 6] 模拟骰子），必须配合分布对象。直接对 gen() 结果取模（% 6 + 1）会破坏均匀性，尤其当范围不能整除引擎最大值时。

示例：生成 [10, 99] 的随机两位整数

std::mt19937 gen{std::random_device{}()};
std::uniform_int_distribution dist(10, 99);
int x = dist(gen); // 每次调用都返回一个符合分布的 int

• 分布对象可复用，且线程安全（只要引擎不共享）
• 模板参数 int 必须与传入的上下界类型一致，否则编译失败
• 闭区间语义：dist(a, b) 包含 a 和 b 两个端点

为什么不用 rand() 和 srand(time(nullptr))

rand() 是 C 风格遗留函数，存在多个硬伤：低序位随机性差、最大值由 RAND_MAX 限定（常为 32767）、无法指定分布、且 srand() 只能设一次种子——如果程序启动太快（比如被脚本快速连启多次），time(nullptr) 返回相同值，导致多进程生成完全相同的随机序列。

• 即使加 usleep(1000) 或用 getpid() 混合，也无法解决底层算法缺陷
• 在竞赛或加密场景中，rand() 生成的序列容易被预测，std::mt19937 则更可靠
• 某些平台（如 macOS）的 rand() 实现甚至不是线性同余，但依然缺乏标准分布支持

生成浮点随机数：用 std::uniform_real_distribution

整数分布不能直接用于 float 或 double；必须显式选用实数分布。注意：它默认生成半开区间 [a, b)，即包含 a，不包含 b。

示例：生成 [0.0, 1.0) 的 double

std::mt19937_64 gen{std::random_device{}()};
std::uniform_real_distribution dist(0.0, 1.0);
double d = dist(gen);

• 若需要闭区间 [a, b]，可改为 dist(a, std::nextafter(b, INFINITY))，但通常没必要
• 对精度敏感场景（如蒙特卡洛模拟），优先用 double 分布而非 float，避免舍入偏差累积
• 不要用 static_cast(rand()) / RAND_MAX，它分辨率极低且分布不均