比较随机数生成器
随机库提供了一系列随机数生成器，每种生成器都有不同的策略和属性。在本示例中，我们将通过创建一个输出直方图来比较这些不同的选项。
如何做……
在本示例中，我们将比较C++随机库提供的不同随机数生成器：
我们首先定义一些常量，为随机数生成器提供统一的参数：
constexpr size_t n_samples{ 1000 };
constexpr size_t n_partitions{ 10 };
constexpr size_t n_max{ 50 };n_samples 是要检查的样本数，n_partitions 是要在其中显示样本的分区数，n_max 是直方图中条形的最大大小（由于四舍五入，这会有所不同）。
这些数字提供了引擎之间差异的合理显示。增加样本数与分区数的比率往往会平滑曲线，并掩盖引擎之间的差异。
这是收集随机数样本并显示直方图的函数：
template <typename RNG>
void histogram(const string_view& rng_name) {
auto p_ratio = (double)RNG::max() / n_partitions;
RNG rng{}; // 构造引擎对象
// 收集样本
vector<size_t> v(n_partitions);
for(size_t i{}; i < n_samples; ++i) {
++v[rng() / p_ratio];
}
// 显示直方图
auto max_el = std::max_element(v.begin(), v.end());
auto v_ratio = *max_el / n_max;
if(v_ratio < 1) v_ratio = 1;
cout << format("engine: {}\n", rng_name);
for(size_t i{}; i < n_partitions; ++i) {
cout << format("{:02}:{:*<{}}\n",
i + 1, ' ', v[i] / v_ratio);
}
cout << '\n';
}简而言之，这个函数在向量中存储收集的样本的直方图，然后在控制台上以一系列星号显示直方图。
我们在main()中调用histogram()函数，如下所示：
int main() {
histogram<std::random_device>("random_device");
histogram<std::default_random_engine>("default_random_engine");
// ... 其他引擎的调用 ...
}输出：
如果我们将n_samples的值提高到100,000，您将发现引擎之间的差异变得更加难以区分：
它是如何工作的……
每个随机数引擎都有一个函数对象接口，用于返回序列中的下一个随机数：
result_type operator()();函数对象返回一个随机值，该值在min()和max()值之间均匀分布。所有随机数引擎都共享此接口。
histogram()函数通过模板中使用随机数引擎的类来利用这种统一性：
template <typename RNG>（RNG是随机数生成器的常见缩写。库文档将这些类称为引擎，这对我们的目的来说与RNG是同义词。）
我们使用RNG类实例化一个对象，并在向量中创建一个直方图：
RNG rng{};
vector<size_t> v(n_partitions);
for(size_t i{}; i < n_samples; ++i) {
++v[rng() / p_ratio];
}这使得我们能够使用这种技术轻松比较各种随机数生成器的结果。
还有更多……
库中的每个随机数生成器都有不同的方法和特性。当您多次运行直方图时，您会注意到大多数引擎每次运行时都具有相同的分布。这是因为它们是确定性的——也就是说，它们每次都会生成相同的数字序列。std::random_device 在大多数系统上是非确定性的。如果您需要更多的变化，可以使用它来初始化其他引擎之一。使用当前日期和时间来初始化RNG也是很常见的做法。
std::default_random_engine 对于大多数目的来说都是一个合适的选择。