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 `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，它分辨率极低且分布不均(rand()) / RAND_MAX
gen.seed() 或序列化其内部数组），而不是分布。
