如何用c语言产生一定范围内的随机数？

利用srand((unsigned int)(time(NULL))是一种方法，因为每一次运行程序的时间是不同的。

在C语言里所提供的随机数发生器的用法：现在的C编译器都提供了一个基于ANSI标准的伪随机数发生器函数，用来生成随机数。它们就是rand()和srand()函数。这二个函数的工作过程如下：

1) 首先给srand()提供一个种子，它是一个unsigned int类型，其取值范围从0~65535；

2) 然后调用rand()，它会根据提供给srand()的种子值返回一个随机数(在0到32767之间)

3) 根据需要多次调用rand()，从而不间断地得到新的随机数；

4) 无论什么时候，都可以给srand()提供一个新的种子，从而进一步“随机化”rand()的输出结果。

下面是0~32767之间的随机数程序：

#include <stdlib.h>

#include <stdio.h>

#include <time.h>          // 使用当前时钟做种子

void main(void)

{int i

srand((unsigned)time( NULL ) )         // 初始化随机数

for(i = 0i <10i++)                          // 打印出 10 个随机数

printf("%d\n", rand() )

}

根据上面的程序可以很容易得到0~1之间的随机数：

#include <stdlib.h>

#include <stdio.h>

#include <time.h>

int main( )

{int i

srand((unsigned)time( NULL ) )

for(i = 0i <10i++)

printf("%5.2f\n", rand()/32767.0)

}

而产生1~100之间的随机数可以这样写：

#include <stdlib.h>

#include <stdio.h>

#include <time.h>

int main( )

{int i

srand((unsigned)time( NULL ) )

for(i = 0i <10i++)

printf("%d\n", rand()%100+1)

}

扩展资料：

C语言高效编程技巧：

一：以空间换时间

计算机程序中最大的矛盾是空间和时间的矛盾，那么，从这个角度出发逆向思维来考虑程序的效率问题

二：数学方法解决问题

数学是计算机之母，没有数学的依据和基础，就没有计算机发展，所以在编写程序的时候，采用一些数学方法会对程序的执行效率有数量级的提高。

三：使用位 *** 作

实现高效的C语言编写的第三招----使用位 *** 作，减少除法和取模的运算。

在计算机程序中，数据的位是可以 *** 作的最小数据单位，理论上可以用“位运算”来完成所有的运算和 *** 作。一般的位 *** 作是用来控制硬件的，或者做数据变换使用，但是，灵活的位 *** 作可以有效提高程序运行的效率。

参考资料来源：百度百科-C语言

本文由青松原创并依GPL-V2及其后续版本发放，转载请注明出处且应包含本行声明。\x0d\x0a\x0d\x0aC++中常用rand()函数生成随机数，但严格意义上来讲生成的只是伪随机数（pseudo-random integral number）。生成随机数时需要我们指定一个种子，如果在程序内循环，那么下一次生成随机数时调用上一次的结果作为种子。但如果分两次执行程序，那么由于种子相同，生成的“随机数”也是相同的。\x0d\x0a\x0d\x0a在工程应用时，我们一般将系统当前时间(Unix时间)作为种子，这样生成的随机数更接近于实际意义上的随机数。给一下例程如下：\x0d\x0a\x0d\x0a#include \x0d\x0a#include \x0d\x0a#include \x0d\x0ausing namespace std\x0d\x0a\x0d\x0aint main()\x0d\x0a{\x0d\x0adouble random(double,double)\x0d\x0asrand(unsigned(time(0)))\x0d\x0afor(int icnt = 0icnt != 10++icnt)\x0d\x0acout <<"No." <<icnt+1 <<": " <<int(random(0,10))<<endl\x0d\x0areturn 0\x0d\x0a}\x0d\x0a\x0d\x0adouble random(double start, double end)\x0d\x0a{\x0d\x0areturn start+(end-start)*rand()/(RAND_MAX + 1.0)\x0d\x0a}\x0d\x0a/* 运行结果\x0d\x0a* No.1: 3\x0d\x0a* No.2: 9\x0d\x0a* No.3: 0\x0d\x0a* No.4: 9\x0d\x0a* No.5: 5\x0d\x0a* No.6: 6\x0d\x0a* No.7: 9\x0d\x0a* No.8: 2\x0d\x0a* No.9: 9\x0d\x0a* No.10: 6\x0d\x0a*/\x0d\x0a利用这种方法能不能得到完全意义上的随机数呢？似乎9有点多哦？却没有1,4,7？！我们来做一个概率实验，生成1000万个随机数，看0-9这10个数出现的频率是不是大致相同的。程序如下：\x0d\x0a#include \x0d\x0a#include \x0d\x0a#include \x0d\x0a#include \x0d\x0ausing namespace std\x0d\x0a\x0d\x0aint main()\x0d\x0a{\x0d\x0adouble random(double,double)\x0d\x0aint a[10] = \x0d\x0aconst int Gen_max = 10000000\x0d\x0asrand(unsigned(time(0)))\x0d\x0a\x0d\x0afor(int icnt = 0icnt != Gen_max++icnt)\x0d\x0aswitch(int(random(0,10)))\x0d\x0a{\x0d\x0acase 0: a[0]++break\x0d\x0acase 1: a[1]++break\x0d\x0acase 2: a[2]++break\x0d\x0acase 3: a[3]++break\x0d\x0acase 4: a[4]++break\x0d\x0acase 5: a[5]++break\x0d\x0acase 6: a[6]++break\x0d\x0acase 7: a[7]++break\x0d\x0acase 8: a[8]++break\x0d\x0acase 9: a[9]++break\x0d\x0adefault: cerr <<"Error!" <<endlexit(-1)\x0d\x0a}\x0d\x0a\x0d\x0afor(int icnt = 0icnt != 10++icnt)\x0d\x0acout <<icnt <<": " <<setw(6) <<setiosflags(ios::fixed) <<setprecision(2) <<double(a[icnt])/Gen_max*100 <<"%" <<endl\x0d\x0a\x0d\x0areturn 0\x0d\x0a}\x0d\x0a\x0d\x0adouble random(double start, double end)\x0d\x0a{\x0d\x0areturn start+(end-start)*rand()/(RAND_MAX + 1.0)\x0d\x0a}\x0d\x0a/* 运行结果\x0d\x0a* 0: 10.01%\x0d\x0a* 1: 9.99%\x0d\x0a* 2: 9.99%\x0d\x0a* 3: 9.99%\x0d\x0a* 4: 9.98%\x0d\x0a* 5: 10.01%\x0d\x0a* 6: 10.02%\x0d\x0a* 7: 10.01%\x0d\x0a* 8: 10.01%\x0d\x0a* 9: 9.99%\x0d\x0a*/\x0d\x0a可知用这种方法得到的随机数是满足统计规律的。\x0d\x0a\x0d\x0a另：在Linux下利用GCC编译程序，即使我执行了1000000次运算，是否将random函数定义了inline函数似乎对程序没有任何影响，有理由相信，GCC已经为我们做了优化。但是冥冥之中我又记得要做inline优化得加O3才行...\x0d\x0a\x0d\x0a不行，于是我们把循环次数改为10亿次，用time命令查看执行时间：\x0d\x0achinsung@gentoo ~/workspace/test/Debug $ time ./test \x0d\x0a0: 10.00%\x0d\x0a1: 10.00%\x0d\x0a2: 10.00%\x0d\x0a3: 10.00%\x0d\x0a4: 10.00%\x0d\x0a5: 10.00%\x0d\x0a6: 10.00%\x0d\x0a7: 10.00%\x0d\x0a8: 10.00%\x0d\x0a9: 10.00%\x0d\x0a\x0d\x0areal2m7.768s\x0d\x0auser2m4.405s\x0d\x0asys 0m0.038s\x0d\x0achinsung@gentoo ~/workspace/test/Debug $ time ./test \x0d\x0a0: 10.00%\x0d\x0a1: 10.00%\x0d\x0a2: 10.00%\x0d\x0a3: 10.00%\x0d\x0a4: 10.00%\x0d\x0a5: 10.00%\x0d\x0a6: 10.00%\x0d\x0a7: 10.00%\x0d\x0a8: 10.00%\x0d\x0a9: 10.00%\x0d\x0a\x0d\x0areal2m7.269s\x0d\x0auser2m4.077s\x0d\x0asys 0m0.025s\x0d\x0a\x0d\x0a前一次为进行inline优化的情形，后一次为没有作inline优化的情形，两次结果相差不大，甚至各项指标后者还要好一些，不知是何缘由...

---