一、基本信息
C++标准库中包含一个随机数程序库，提供众多的class和type用来满足新手和专家对于随机数及其分布的需求。
首先介绍两个概念：
随机数引擎：引擎是随机性的源头。它们是function object，能够产生随机的无正负值，并均匀分布于一个预定义的最大和最小值之间。
分布：表示以何种手法，将引擎产生的随机值转换为随机数，随机数分布于一个由使用者给定的参数所决定的区间内。
之所以需要引擎，是因为在计算机中没有所谓真正的随机，你也许需要很多努力才能提供好的随机性，所以这就是引擎的作用。C++标准库提供16个随机数引擎，你可以用它们搭配某个分布来实现随机数，或用来重新“洗牌”。
因此：随机数 = 随机数引擎 + 分布
二、C++提供的16种随机数引擎
随机数引擎是一个带有状态的随机性源头，其状态决定了它将生成哪一个随机值序列，注意这并非随机数。每次以operator()调用它，就可以产出一个随机的无正负号值，并且内部状态改变，使得可以此后再产出一个新随机值。
1、默认引擎：default_random_engine
2、基础引擎：提供各种基本算法用以生成随机值
（1）std::linear_congruential_engine
（2）std::mersenne_twister_engine
（3）std::subtract_with_carry_engine
3、引擎适配器：根据一个基础引擎而初始化
（1）std::discard_block_engine
（2）std::independent_bits_engine
（3）std::shuffle_order_engine
4、适配器并带预定义参数：
（1）minstd_rand0
（2）minstd_rand
（3）mt19937
（4）mt19937_64
（5）ranlux24_base
（6）ranlux48_base
（7）ranlux24
（8）ranlux48
（9）knuth_b
三、C++提供的分布
所谓分布是把引擎产生的随机数转换为真实而有用的随机数。产出数的概率取决于使用何种分布，后者可根据程序员的需要被参数化。
针对不同的随机值类型，C++标准库提供了多种分布：线性、正态/高斯、指数、伽马、伯努利等。
1、均匀分布
（1）uniform_int_distribution ： IntType
（2）uniform_real_distribution : RealType
2、伯努利分布
（1）bernoulli_distribution ： bool
（2）binomial_distribution : IntType
（3）geometric_distribution ： IntType
（4）negative_binomial_distribution : IntType
3、泊松分布
（1）poisson_distribution： IntType
（2）exponential_distribution: RealType
（3）gamma_distribution： RealType
（4）weibull_distribution: RealType
(5)extreme_value_distribution: RealType
4、正态分布
（1）normal_distribution： RealType
（2）lognormal_distribution: RealType
（3）chi_squared_distribution： RealType
（4）cauchy_distribution: RealType
（5）fisher_f_distribution: RealType
（6）student_t_distribution: RealType
5、抽样分布
（1）discrete_distribution： IntType
（2）piecewise_constant_distribution: RealType
（3）piecewise_linear_distribution： RealType
四、随机数生成实例
至此，我们只需要记住：
随机数 = 随机数引擎 + 分布
即可完成随机数的生成，至于选择何种引擎和分布方式，由自己决定，可查看引擎和分布的详细含义及结合自己的需要来决定。
另外，所有的引擎和分布都包含在头文件 random 中，因此需要包含此头文件。
生成随机数的三步骤：
1、选择引擎
2、选择分布
3、使用引擎+分布，生成随机数
以下是代码示例：
#define _CRT_SECURE_NO_WARNINGS
#include <iostream>
#include <random>
using namespace std;
int main() {
// 1、选择引擎：默认引擎
default_random_engine dre;
// 2、选择分布方式：均匀分布
uniform_int_distribution<int> di(10, 200);
// 3、生成随机数
for (int i = 0; i < 10; ++i) {
cout << di(dre) << " ";
}
return 0;
}
运行结果为：
133 36 107 175 85 94 44 10 181 61
将以上程序反复执行，得到的结果是相同的。所以计算机并没有真正的随机，而是由不同的“环境”来决定随机性。
调整引擎或分布或分布的初始化区间，即可产生不同的结果。
参考《C++标准库》
谢谢阅读