随机数分布
除了伯努利分布，其他都是模板，接收单个类型参数，指出分布生成的结果类型。
均匀分布
uniform_int_distribution<IntT> u(m, n);
uniform_real_distribution<RealT> u(m, n);
m默认0，n默认IntT对象可以表示的最大值；m默认0.0，n默认1.0
伯努利分布
Bernoulli_distribution b(p);//以概率p生成true，默认0.5
Bernoulli_distribution<IntT> b(t, p);//分布的采样大小为整型值t。t默认1，p默认0.5
geometric_distribution<IntT> g(p);//每次试验成功概率为p，默认0.5
negative_binomial_distribution<IntT> nb(k, p);//k次试验成功概率为p。k默认1，p默认0.5
泊松分布
poisson_distribution<IntT> p(x);//均值为double值x
exponential_distribution<RealT> e<lam);//指数分布，lambda浮点值，默认1.0
gamma_distribution<RealT> g(a, b);//形状参数为a，尺度参数为b，默认均为1.0
weibull_distribution<RealT> w(a, b);// 形状参数为a，尺度参数为b，默认均为1.0
extrme_value_distribution<RealT> e(a, b);//a的默认值为0.0，b默认1.0
正态分布
normal_distribution<RealT> n(m, s);//均值m，标准差s；默认0.0，1.0
lognormal_distribution<RealT> ln(m, s);//
chi_squared_distribution<RealT> c(x);//自由度x，默认1.0
cauchy_distribution<RealT> c(a, b);//位置参数a和尺度参数b默认分别0.0，1.0
fisher_f_distribution<RealT> f(m, n);//自由度为m和n，默认值均为1
student_t_distribution<RealT> s(n);//自由度为n，默认值1
抽样分布
discrete_distribution<IntT> d(i, j);
discrete_distribution<IntT> d(il);
i和j是权重序列的输入迭代器，il是权重的花括号列表。权重必须能转换为double
piecewise_constant_distribution<RealT> pc(b, e,w);//b e w输入迭代器
piecewise_linear_distribution<RealT> pc(b, e,w);//b e w输入迭代器随机数引擎
标准库定义了3个引擎类和3个引擎适配器类，都是模板
default_random_engine
来自其他引擎类型的类型别名，目的是用于大多数情况
linear_congruential_engine
minstd_rand0的乘数为16807，模为2147483647，增量为0
minstd_rand0的乘数为48271，模为2147483647，增量为0
mersenne_twister_engine
mt19937为32位无符号梅森旋转生成器
mt19937_64为64位无符号梅森旋转生成器
subtract_with_carry_engine
ranlux24_base为32位无符号借位减法生成器
ranlux48_base为64位无符号借位减法生成器
discard_block_engine
引擎适配器，将其底层引擎的结果丢弃。用要使用的底层引擎、块大小和旧块大小来参数化
ranlux24使用ranlux24_base引擎，块大小223，旧块23
ranlux48使用ranlux48_base引擎，块大小389，旧块11
independent_bits_engine
引擎适配器，生成指定位数的随机数。用要使用的底层引擎、结果的位数以及保存生成的二进制位的无符号整型类型来参数化。指定位数必须小于指定的无符号类型所能保存的位数。
shuffle_order_engine
引擎适配器，返回的就是底层引擎生成的数，但返回的顺序不同。用要使用的底层引擎和要混洗的元素数目来参数化。
knuth_b使用minstd_rand0和表达小256