Generatori casuali
Generare bit casuali
Generatori casuali è una lezione C++ Academy gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento C++ Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso C++ Academy include 4 lezioni in totale.
Perché <random>?
Il vecchio rand() è di bassa qualità e difficile da controllare. La libreria <random> separa la casualità in motori (sorgenti di bit casuali) e distribuzioni (forme dell'output).
#include <iostream>
#include <random>
int main() {
std::mt19937 engine(42);
std::cout << "engine produced a value\n";
unsigned int v = engine();
std::cout << (v != 0 ? "non-zero" : "zero") << '\n';
return 0;
}Il Mersenne Twister
std::mt19937 è il motore più comune: è veloce, di alta qualità e ha un periodo lungo. Il numero indica la dimensione del suo stato in bit.
#include <iostream>
#include <random>
int main() {
std::mt19937 gen(1);
unsigned int a = gen();
unsigned int b = gen();
std::cout << (a != b ? "two different values" : "same") << '\n';
return 0;
}I motori sono deterministici
Dato lo stesso seed, un motore produce sempre la stessa sequenza. È questo che rende i risultati riproducibili.
#include <iostream>
#include <random>
int main() {
std::mt19937 a(123), b(123);
std::cout << std::boolalpha << (a() == b()) << '\n';
std::cout << (a() == b()) << '\n';
return 0;
}Chiamata del motore
Un motore è un oggetto chiamabile. Ogni chiamata a engine() restituisce il successivo intero casuale grezzo nel suo intervallo.
#include <iostream>
#include <random>
int main() {
std::mt19937 gen(7);
for (int i = 0; i < 3; ++i) {
unsigned int v = gen();
std::cout << (v % 100) << ' ';
}
std::cout << '\n';
return 0;
}Intervallo del motore
min() e max() restituiscono l'intervallo dei valori grezzi che un motore può generare.
#include <iostream>
#include <random>
int main() {
std::mt19937 gen;
std::cout << "min: " << gen.min() << '\n';
std::cout << "max: " << gen.max() << '\n';
return 0;
}Altri motori
La libreria offre diversi motori:
minstd_rand: piccolo generatore congruenziale lineare.mt19937: motore predefinito per uso generale.ranlux48: qualità maggiore, ma più lento.
#include <iostream>
#include <random>
int main() {
std::minstd_rand lcg(5);
std::mt19937 mt(5);
std::cout << (lcg() % 10) << ' ' << (mt() % 10) << '\n';
return 0;
}Motore a 64 bit
Usi std::mt19937_64 quando servono valori casuali a 64 bit, ad esempio per hash grandi o intervalli molto ampi.
#include <iostream>
#include <random>
int main() {
std::mt19937_64 gen(99);
unsigned long long v = gen();
std::cout << "got a 64-bit value: " << (v != 0 ? "yes" : "no") << '\n';
return 0;
}Motore e distribuzione
L'output grezzo del motore è uniforme su un intervallo molto ampio. Per ottenere valori utili, come il risultato del lancio di un dado, passi il motore a una distribuzione.
#include <iostream>
#include <random>
int main() {
std::mt19937 gen(2024);
std::uniform_int_distribution<int> die(1, 6);
std::cout << "rolled " << die(gen) << '\n';
return 0;
}Scartare valori
discard(n) fa avanzare il motore di n passi senza produrre output, utile per saltare in avanti in una sequenza.
#include <iostream>
#include <random>
int main() {
std::mt19937 a(10), b(10);
b.discard(2);
a(); a();
std::cout << std::boolalpha << (a() == b()) << '\n';
return 0;
}Riutilizzare un solo motore
Crei un solo motore e lo riutilizzi per tutta la casualità del programma. Creare ogni volta un nuovo motore è inefficiente e può ridurre la qualità.
#include <iostream>
#include <random>
int main() {
std::mt19937 gen(2026);
std::uniform_int_distribution<int> d10(1, 10);
int total = 0;
for (int i = 0; i < 5; ++i) total += d10(gen);
std::cout << "sum of 5 rolls: " << total << '\n';
return 0;
}Problema del seed predefinito
Un motore costruito con il costruttore predefinito usa un seed predefinito fisso, quindi produce la stessa sequenza a ogni esecuzione. Per ottenere una varietà reale, deve inizializzarlo con un seed, come illustrato nella lezione successiva.
#include <iostream>
#include <random>
int main() {
std::mt19937 gen; // default seed: same every run
std::cout << "first value mod 1000: " << (gen() % 1000) << '\n';
return 0;
}Verifica rapida
Verifichi la Sua comprensione dei motori casuali.
Riepilogo
Ha imparato a conoscere i motori casuali:
<random>separa i motori (bit) dalle distribuzioni (forma)std::mt19937è il motore di riferimento; è deterministico per un determinato seed- riutilizzi un solo motore e lo inizializzi correttamente con un seed per ottenere una varietà reale
Successivamente, modellerà l'output del motore usando le distribuzioni.
Domande Frequenti
La lezione «Generatori casuali» è gratuita?
Sì — il testo completo di «Generatori casuali» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso C++ Academy, passa a CoddyKit PRO. Il corso C++ Academy include 4 lezioni in totale.
Cosa imparerò in «Generatori casuali»?
Generare bit casuali Eserciti C++ Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare C++ Academy?
Non è richiesta alcuna esperienza precedente. C++ Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.
Quanto tempo richiede la lezione «Generatori casuali»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione C++ Academy?
Sì. Ogni lezione C++ Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Generatori casuali
- Distribuzioni
- Inizializzazione corretta
- Esempi pratici