在整个范围内均匀生成随机数

如果你希望数字在范围内均匀分布，你应该将范围分成相等的部分，代表你需要的点数。然后为每个部分获取一个具有最小/最大值的随机数。
另外，你应该避免使用rand()，因为它不能很好地生成随机数。我不知道你在哪个平台上运行，但可能有更好的函数可供调用，比如random()。

这不是代码，但这个逻辑或许可以帮到你。

static double rnd(void)
{
    return (1.0 / (RAND_MAX + 1.0) * ((double)(rand())));
}

static void InitBetterRnd(unsigned int seed)
{
    register int i;
    srand(seed);
    for(i = 0; i < POOLSIZE; i++)
    {
        pool[i] = rnd();
    }
}

 // This function returns a number between 0 and 1
 static double rnd0_1(void)
 {
     static int i = POOLSIZE - 1;
     double r;

     i = (int)(POOLSIZE*pool[i]);
     r = pool[i];
     pool[i] = rnd();
     return (r);
}

使用C++11的最小实现：

#include <random>

int randrange (int min, int max) {
    static std::random_device rd; // Static in case init is costly
    return std::uniform_int_distribution {min, max} (rd);
}

一个解决方案

((double) rand() / (RAND_MAX+1)) * (max-min+1) + min

警告：由于拉伸和可能的精度误差（即使RAND_MAX足够大），您只能生成均匀分布的“箱子”，而不是[min，max]中的所有数字。

---

使用Bigrand的解决方案

警告：请注意，这将使位数加倍，但一般情况下仍无法生成您范围内的所有数字，即不一定会真正生成BigRand()范围内的所有数字。

---

信息：只要rand()的范围超过您的区间范围并且rand()是“均匀”的，您的方法（模数）就“可以”。最多前max-min个数字的误差为1 /（RAND_MAX +1）。

此外，我建议也切换到C++11中的新随机包，它比rand()提供更好和更多种类的实现。

从本质上讲，一小组随机数并不一定是均匀分布的。毕竟它们是随机的。我同意，如果一个随机数生成器生成的数字总是看起来被分组了，那么可能存在问题。

但请记住，随机性不一定是均匀的。

man 3 rand提供的在1到10之间（包含1和10）生成随机数的解决方案如下：

j = 1 + (int) (10.0 * (rand() / (RAND_MAX + 1.0)));

在你的情况下，它将是：

j = min + (int) ((max-min+1) * (rand() / (RAND_MAX + 1.0)));

当然，这并不是完美的随机性或均匀性，正如其他一些消息所指出的那样，但对于大多数情况来说，这已经足够了。

这是一个旧的线程，但我刚刚偶然发现它。以下是我的看法：

正如其他人正确指出的那样，在大多数 RNG 中，MSB 倾向于比 LSB 更随机分布。这意味着使用 rand() 的模数（%）注定要失败：例如，极为频繁的 random(2) 只会返回单个 LSB... 这在大多数 RNG 中分布极差。 另一方面，如果你需要你的 random(N) 非常快速（就像我这样：我在 HPC 和特别是在高度随机化的 GAs 中），那么取模对于速度来说确实很酷。

以上两个问题都可以通过 (1) 计算 (快速) 取模... (2) rand() 的反转比特位 来解决。

这是我想出来的解决方案：

#include "<stdlib.h>"

int32_t RandomRange(int32_t min, int32_t max) {
    return (rand() * (max - min + 1) / (RAND_MAX + 1)) + min;
}

这是一个桶解决方案，概念上类似于使用 rand() / RAND_MAX 来获取0-1之间的浮点数范围，然后将其四舍五入到一个桶中的解决方案。但是，它仅使用整数运算，并利用整数除法向下取整将值舍入到最近的桶。

它做出了一些假设。首先，它假设 RAND_MAX * (max - min + 1) 总是适合于 int32_t。如果 RAND_MAX 是32767并且使用32位int计算，则您可以拥有的最大范围是32767。如果您的实现具有更大的RAND_MAX，则可以通过使用更大的整数（如 int64_t）进行计算来克服这个问题。其次，如果使用 int64_t 但 RAND_MAX 仍为32767，则在大于 RAND_MAX 的范围内，您将开始获得可能输出数字中的“空洞”。这可能是从缩放 rand() 派生的任何解决方案的最大问题。

尽管在大量迭代测试中，这种方法对于小范围非常均匀。但是从数学上来说，很可能存在一些小偏差，并且可能在范围接近RAND_MAX时出现问题。请自行测试并决定是否符合您的需求。

当然，以下代码不会给你随机数，而是伪随机数。

使用以下代码

#define QUICK_RAND(m,n) m + ( std::rand() % ( (n) - (m) + 1 ) )

例如：

int myRand = QUICK_RAND(10, 20);

你必须调用

srand(time(0));  // Initialize random number generator.

否则，这些数字就不会是近似随机的。

我刚在网上找到了这个。应该可以用：

DWORD random = ((min) + rand()/(RAND_MAX + 1.0) * ((max) - (min) + 1));