C++常用排序法研究2008-12-25 14:38首先介绍一个计算时间差的函数，它在<time.h>头文件中定义，于是我们只需这样定义2个变量，再相减就可以计算时间差了。函数开头加上   clock_t   start   =   clock();函数结尾加上   clock_t   end   =   clock();于是时间差为： end - start不过这不精确的   多次运行时间是不同的   和CPU   进程有关吧(先总结一下：以下算法以时间和空间以及编码难度，以及实用性方面来看，快速排序法是最优秀的！推荐！~但是希尔排序又是最经典的一个，所以建议优先看这2个排序算法)排序算法是一种基本并且常用的算法。由于实际工作中处理的数量巨大，所以排序算法 对算法本身的速度要求很高。 而一般我们所谓的算法的性能主要是指算法的复杂度，一般用O方法来表示。在后面我将 给出详细的说明。 对于排序的算法我想先做一点简单的介绍，也是给这篇文章理一个提纲。 我将按照算法的复杂度，从简单到难来分析算法。 第一部分是简单排序算法，后面你将看到他们的共同点是算法复杂度为O(N*N)（因为没有 使用word,所以无法打出上标和下标）。 第二部分是高级排序算法，复杂度为O(Log2(N))。这里我们只介绍一种算法。另外还有几种 算法因为涉及树与堆的概念，所以这里不于讨论。 第三部分类似动脑筋。这里的两种算法并不是最好的（甚至有最慢的），但是算法本身比较 奇特，值得参考（编程的角度）。同时也可以让我们从另外的角度来认识这个问题。 第四部分是我送给大家的一个餐后的甜点——一个基于模板的通用快速排序。由于是模板函数 可以对任何数据类型排序（抱歉，里面使用了一些论坛专家的呢称）。    现在，让我们开始吧：    一、简单排序算法 由于程序比较简单，所以没有加什么注释。所有的程序都给出了完整的运行代码，并在我的VC环境 下运行通过。因为没有涉及MFC和WINDOWS的内容，所以在BORLAND C++的平台上应该也不会有什么 问题的。在代码的后面给出了运行过程示意，希望对理解有帮助。 1.冒泡法： 这是最原始，也是众所周知的最慢的算法了。他的名字的由来因为它的工作看来象是冒泡： #include <iostream.h> void BubbleSort(int* pData,int Count) { int iTemp; for(int i=1;i<Count;i++) {     for(int j=Count-1;j>=i;j--)     {       if(pData[j]<pData[j-1]) [Page]      {         iTemp = pData[j-1];         pData[j-1] = pData[j];         pData[j] = iTemp;       }     } } } void main() { int data[] = {10,9,8,7,6,5,4}; BubbleSort(data,7); for (int i=0;i<7;i++)     cout<<data[i]<<\" \"; cout<<\"\\n\"; } 倒序(最糟情况) 第一轮：10,9,8,7->10,9,7,8->10,7,9,8->7,10,9,8(交换3次) 第二轮：7,10,9,8->7,10,8,9->7,8,10,9(交换2次) 第一轮：7,8,10,9->7,8,9,10(交换1次) 循环次数：6次 交换次数：6次 其他： 第一轮：8,10,7,9->8,10,7,9->8,7,10,9->7,8,10,9(交换2次) 第二轮：7,8,10,9->7,8,10,9->7,8,10,9(交换0次) 第一轮：7,8,10,9->7,8,9,10(交换1次) 循环次数：6次 交换次数：3次 上面我们给出了程序段，现在我们分析它：这里，影响我们算法性能的主要部分是循环和交换， 显然，次数越多，性能就越差。从上面的程序我们可以看出循环的次数是固定的，为1+2+...+n-1。 写成公式就是1/2*(n-1)*n。 现在注意，我们给出O方法的定义： 若存在一常量K和起点n0，使当n>=n0时，有f(n)<=K*g(n),则f(n) = O(g(n))。（呵呵，不要说没 学好数学呀，对于编程数学是非常重要的！！！） 现在我们来看1/2*(n-1)*n，当K=1/2，n0=1，g(n)=n*n时，1/2*(n-1)*n<=1/2*n*n=K*g(n)。所以f(n) =O(g(n))=O(n*n)。所以我们程序循环的复杂度为O(n*n)。 再看交换。从程序后面所跟的表可以看到，两种情况的循环相同，交换不同。其实交换本身同数据源的 有序程度有极大的关系，当数据处于倒序的情况时，交换次数同循环一样（每次循环判断都会交换）， 复杂度为O(n*n)。当数据为正序，将不会有交换。复杂度为O(0)。乱序时处于中间状态。正是由于这样的 原因，我们通常都是通过循环次数来对比算法。2.交换法： 交换法的程序最清晰简单，每次用当前的元素一一的同其后的元素比较并交换。#include <iostream.h> void ExchangeSort(int* pData,int Count) { int iTemp; for(int i=0;i<Count-1;i++) {     for(int j=i+1;j<Count;j++)     {       if(pData[j]<pData[i]) [Page]      {         iTemp = pData[i];         pData[i] = pData[j];         pData[j] = iTemp;       }     } } } void main() { int data[] = {10,9,8,7,6,5,4}; ExchangeSort(data,7); for (int i=0;i<7;i++)     cout<<data[i]<<\" \"; cout<<\"\\n\"; } 倒序(最糟情况) 第一轮：10,9,8,7->9,10,8,7->8,10,9,7->7,10,9,8(交换3次) 第二轮：7,10,9,8->7,9,10,8->7,8,10,9(交换2次) 第一轮：7,8,10,9->7,8,9,10(交换1次) 循环次数：6次 交换次数：6次 其他： 第一轮：8,10,7,9->8,10,7,9->7,10,8,9->7,10,8,9(交换1次) 第二轮：7,10,8,9->7,8,10,9->7,8,10,9(交换1次) 第一轮：7,8,10,9->7,8,9,10(交换1次) 循环次数：6次 交换次数：3次 从运行的表格来看，交换几乎和冒泡一样糟。事实确实如此。循环次数和冒泡一样 也是1/2*(n-1)*n，所以算法的复杂度仍然是O(n*n)。由于我们无法给出所有的情况，所以 只能直接告诉大家他们在交换上面也是一样的糟糕（在某些情况下稍好，在某些情况下稍差）。 3.选择法： 现在我们终于可以看到一点希望：选择法，这种方法提高了一点性能（某些情况下） 这种方法类似我们人为的排序习惯：从数据中选择最小的同第一个值交换，在从省下的部分中 选择最小的与第二个交换，这样往复下去。 #include <iostream.h> void SelectSort(int* pData,int Count) { int iTemp;   //一个存储值。int iPos;    //一个存储下标。for(int i=0;i<Count-1;i++) {     iTemp = pData[i];     iPos = i;     for(int j=i+1;j<Count;j++)     {       if(pData[j]<iTemp)    //选择排序法就是用第一个元素与最小的元素交换。      {         iTemp = pData[j];         iPos = j;              //下标的交换赋值。 [Page]      }     }     pData[iPos] = pData[i];     pData[i] = iTemp; } } void main() { int data[] = {10,9,8,7,6,5,4}; SelectSort(data,7); for (int i=0;i<7;i++)     cout<<data[i]<<\" \"; cout<<\"\\n\"; } 倒序(最糟情况) 第一轮：10,9,8,7->(iTemp=9)10,9,8,7->(iTemp=8)10,9,8,7->(iTemp=7)7,9,8,10(交换1次) 第二轮：7,9,8,10->7,9,8,10(iTemp=8)->(iTemp=8)7,8,9,10(交换1次) 第一轮：7,8,9,10->(iTemp=9)7,8,9,10(交换0次) 循环次数：6次 交换次数：2次 其他： 第一轮：8,10,7,9->(iTemp=8)8,10,7,9->(iTemp=7)8,10,7,9->(iTemp=7)7,10,8,9(交换1次) 第二轮：7,10,8,9->(iTemp=8)7,10,8,9->(iTemp=8)7,8,10,9(交换1次) 第一轮：7,8,10,9->(iTemp=9)7,8,9,10(交换1次) 循环次数：6次 交换次数：3次 遗憾的是算法需要的循环次数依然是1/2*(n-1)*n。所以算法复杂度为O(n*n)。 我们来看他的交换。由于每次外层循环只产生一次交换（只有一个最小值）。所以f(n)<=n 所以我们有f(n)=O(n)。所以，在数据较乱的时候，可以减少一定的交换次数。4.插入法： 插入法较为复杂，它的基本工作原理是抽出牌，在前面的牌中寻找相应的位置插入，然后继续下一张 #include <iostream.h> void InsertSort(int* pData,int Count) { int iTemp; int iPos; for(int i=1;i<Count;i++) {     iTemp = pData[i];iPos = i-1;     while((iPos>=0) && (iTemp<pData[iPos]))     {       pData[iPos+1] = pData[iPos];       iPos--;     }     pData[iPos+1] = iTemp; } } void main() { int data[] = {10,9,8,7,6,5,4}; InsertSort(data,7); for (int i=0;i<7;i++)     cout<<data[i]<<\" \"; cout<<\"\\n\"; } 倒序(最糟情况) 第一轮：10,9,8,7->9,10,8,7(交换1次)(循环1次) [Page]第二轮：9,10,8,7->8,9,10,7(交换1次)(循环2次) 第一轮：8,9,10,7->7,8,9,10(交换1次)(循环3次) 循环次数：6次 交换次数：3次 其他： 第一轮：8,10,7,9->8,10,7,9(交换0次)(循环1次) 第二轮：8,10,7,9->7,8,10,9(交换1次)(循环2次) 第一轮：7,8,10,9->7,8,9,10(交换1次)(循环1次) 循环次数：4次 交换次数：2次 上面结尾的行为分析事实上造成了一种假象，让我们认为这种算法是简单算法中最好的，其实不是， 因为其循环次数虽然并不固定，我们仍可以使用O方法。从上面的结果可以看出，循环的次数f(n)<= 1/2*n*(n-1)<=1/2*n*n。所以其复杂度仍为O(n*n)（这里说明一下，其实如果不是为了展示这些简单 排序的不同，交换次数仍然可以这样推导）。现在看交换，从外观上看，交换次数是O(n)（推导类似 选择法），但我们每次要进行与内层循环相同次数的‘=’操作。正常的一次交换我们需要三次‘=’ 而这里显然多了一些，所以我们浪费了时间。 最终，我个人认为，在简单排序算法中，选择法是最好的。二、高级排序算法： 高级排序算法中我们将只介绍这一种，同时也是目前我所知道（我看过的资料中）的最快的。 它的工作看起来仍然象一个二叉树。首先我们选择一个中间值middle程序中我们使用数组中间值，然后 把比它小的放在左边，大的放在右边（具体的实现是从两边找，找到一对后交换）。然后对两边分别使 用这个过程（最容易的方法——递归）。 1.快速排序： #include <iostream.h> void run(int* pData,int left,int right) { int i,j; int middle,iTemp; i = left; j = right; middle = pData[(left+right)/2]; //求中间值 do{     while((pData[i]<middle) && (i<right))//从左扫描大于中值的数       i++;          while((pData[j]>middle) && (j>left))//从右扫描大于中值的数       j--;     if(i<=j)//找到了一对值     {       //交换       iTemp = pData[i];       pData[i] = pData[j];       pData[j] = iTemp;       i++;       j--;     } [Page]}while(i<=j);//如果两边扫描的下标交错，就停止（完成一次） //当左边部分有值(left<j)，递归左半边 if(left<j)     run(pData,left,j); //当右边部分有值(right>i)，递归右半边 if(right>i)     run(pData,i,right); } void QuickSort(int* pData,int Count) { run(pData,0,Count-1); } void main() { int data[] = {10,9,8,7,6,5,4}; QuickSort(data,7); for (int i=0;i<7;i++)     cout<<data[i]<<\" \"; cout<<\"\\n\"; } 这里我没有给出行为的分析，因为这个很简单，我们直接来分析算法：首先我们考虑最理想的情况 1.数组的大小是2的幂，这样分下去始终可以被2整除。假设为2的k次方，即k=log2(n)。 2.每次我们选择的值刚好是中间值，这样，数组才可以被等分。 第一层递归，循环n次，第二层循环2*(n/2)...... 所以共有n+2(n/2)+4(n/4)+...+n*(n/n) = n+n+n+...+n=k*n=log2(n)*n 所以算法复杂度为O(log2(n)*n) 其他的情况只会比这种情况差，最差的情况是每次选择到的middle都是最小值或最大值，那么他将变 成交换法（由于使用了递归，情况更糟），但是糟糕的情况只会持续一个流程，到下一个流程的时候就很可能已经避开了该中间的最大和最小值，因为数组下标变化了，于是中间值不在是那个最大或者最小值。但是你认为这种情况发生的几率有多大？？呵呵，你完全不必担心这个问题。实践证明，大多数的情况，快速排序总是最好的。如果你担心这个问题，你可以使用堆排序，这是一种稳定的O(log2(n)*n)算法，但是通常情况下速度要慢 于快速排序（因为要重组堆）。 三、其他排序 1.双向冒泡： 通常的冒泡是单向的，而这里是双向的，也就是说还要进行反向的工作。 代码看起来复杂，仔细理一下就明白了，是一个来回震荡的方式。 写这段代码的作者认为这样可以在冒泡的基础上减少一些交换（我不这么认为，也许我错了）。 反正我认为这是一段有趣的代码，值得一看。 #include <iostream.h> void Bubble2Sort(int* pData,int Count) { int iTemp; int left = 1; int right =Count -1; int t; do {     //正向的部分     for(int i=right;i>=left;i--)     {       if(pData[i]<pData[i-1]) [Page]      {         iTemp = pData[i];         pData[i] = pData[i-1];         pData[i-1] = iTemp;         t = i;       }     }     left = t+1;     //反向的部分     for(i=left;i<right+1;i++)     {       if(pData[i]<pData[i-1])       {         iTemp = pData[i];         pData[i] = pData[i-1];         pData[i-1] = iTemp;         t = i;       }     }     right = t-1; }while(left<=right); } void main() { int data[] = {10,9,8,7,6,5,4}; Bubble2Sort(data,7); for (int i=0;i<7;i++)     cout<<data[i]<<\" \"; cout<<\"\\n\"; }2.SHELL排序 这个排序非常复杂，看了程序就知道了。 首先需要一个递减的步长，这里我们使用的是9、5、3、1（最后的步长必须是1）。 工作原理是首先对相隔9-1个元素的所有内容排序，然后再使用同样的方法对相隔5-1个元素的排序 以次类推。 基本思想： 先取一个小于n的整数d1作为第一个增量，把文件的全部记录分成d1个组。所有距离为dl的倍数的记录放在同一个组中(所以d值越小，分组越少，每组的元素越多)。先在各组内进行直接插人排序；然后，取第二个增量d2<d1重复上述的分组和排序，直至所取的增量dt=1(dt<dt-l<…<d2<d1)，即所有记录放在同一组中进行直接插入排序为止。 该方法实质上是一种分组插入方法。 (备注：增量中最好有基数也有偶数，所以可以人为设置)#include <iostream.h> int ShellPass(int * array,int d) //一趟增量为d的希尔插入排序{int temp;int k=0;for(int i=d+1;i<13;i++){if(array[i]<array[i-d]){   temp=array[i]; [Page]   int j=i-d;   do   {    array[j+d]=array[j];    j=j-d;    k++;   }while(j>0 && temp<array[j]);   array[j+d]=temp;}k++;}return k;}void ShellSort(int * array) //希尔排序{int count=0;int ShellCount=0;int d=12;                            //一般增量设置为数组元素个数，不断除以2以取小do{d=d/2;ShellCount=ShellPass(array,d);count+=ShellCount;}while(d>1);cout<<\"希尔排序中,关键字移动次数为:\"<<count<<endl;}void main() { int data[] = {10,9,8,7,6,5,4,3,2,1,-10,-1}; ShellSort(data); for (int i=0;i<12;i++)     cout<<data[i]<<\" \"; cout<<\"\\n\";} 算法分析 1．增量序列的选择 Shell排序的执行时间依赖于增量序列。 好的增量序列的共同特征： ① 最后一个增量必须为1； ② 应该尽量避免序列中的值(尤其是相邻的值)互为倍数的情况。 有人通过大量的实验，给出了目前较好的结果：当n较大时，比较和移动的次数约在nl.25到1.6n1.25之间。 2．Shell排序的时间性能优于直接插入排序 希尔排序的时间性能优于直接插入排序的原因： ①当文件初态基本有序时直接插入排序所需的比较和移动次数均较少。 ②当n值较小时，n和n2的差别也较小，即直接插入排序的最好时间复杂度O(n)和最坏时间复杂度0(n2)差别不大。 ③在希尔排序开始时增量较大，分组较多，每组的记录数目少，故各组内直接插入较快，后来增量di逐渐缩小，分组数逐渐减少，而各组的记录数目逐渐增多，但由于已经按di-1作为距离排过序，使文件较接近于有序状态，所以新的一趟排序过程也较快。 因此，希尔排序在效率上较直接插人排序有较大的改进。 3．稳定性 希尔排序是不稳定的。四、基于模板的通用排序： 这个程序我想就没有分析的必要了，大家看一下就可以了。不明白可以在论坛上问。 MyData.h文件 /////////////////////////////////////////////////////// class CMyData { public: CMyData(int Index,char* strData); CMyData(); virtual ~CMyData(); [Page]int m_iIndex; int GetDataSize(){ return m_iDataSize; }; const char* GetData(){ return m_strDatamember; }; //这里重载了操作符： CMyData& operator =(CMyData &SrcData); bool operator <(CMyData& data ); bool operator >(CMyData& data ); private: char* m_strDatamember; int m_iDataSize; }; //////////////////////////////////////////////////////// MyData.cpp文件 //////////////////////////////////////////////////////// CMyData::CMyData(): m_iIndex(0), m_iDataSize(0), m_strDatamember(NULL) { } CMyData::~CMyData() { if(m_strDatamember != NULL)     delete[] m_strDatamember; m_strDatamember = NULL; } CMyData::CMyData(int Index,char* strData): m_iIndex(Index), m_iDataSize(0), m_strDatamember(NULL) { m_iDataSize = strlen(strData); m_strDatamember = new char[m_iDataSize+1]; strcpy(m_strDatamember,strData); } CMyData& CMyData::operator =(CMyData &SrcData) { m_iIndex = SrcData.m_iIndex; m_iDataSize = SrcData.GetDataSize(); m_strDatamember = new char[m_iDataSize+1]; strcpy(m_strDatamember,SrcData.GetData()); return *this; } bool CMyData::operator <(CMyData& data ) { return m_iIndex<data.m_iIndex; } bool CMyData::operator >(CMyData& data ) { return m_iIndex>data.m_iIndex; } /////////////////////////////////////////////////////////// ////////////////////////////////////////////////////////// //主程序部分 #include <iostream.h> #include \"MyData.h\" template <class T> void run(T* pData,int left,int right) { int i,j; T middle,iTemp; i = left; [Page]j = right; //下面的比较都调用我们重载的操作符函数 middle = pData[(left+right)/2]; //求中间值 do{     while((pData[i]<middle) && (i<right))//从左扫描大于中值的数       i++;          while((pData[j]>middle) && (j>left))//从右扫描大于中值的数       j--;     if(i<=j)//找到了一对值     {       //交换       iTemp = pData[i];       pData[i] = pData[j];       pData[j] = iTemp;     i++;       j--;     } }while(i<=j);//如果两边扫描的下标交错，就停止（完成一次） //当左边部分有值(left<j)，递归左半边 if(left<j)     run(pData,left,j); //当右边部分有值(right>i)，递归右半边 if(right>i)     run(pData,i,right); } template <class T> void QuickSort(T* pData,int Count) { run(pData,0,Count-1); } void main() { CMyData data[] = {     CMyData(8,\"xulion\"),     CMyData(7,\"sanzoo\"),     CMyData(6,\"wangjun\"),     CMyData(5,\"VCKBASE\"),     CMyData(4,\"jacky2000\"),     CMyData(3,\"cwally\"),     CMyData(2,\"VCUSER\"),     CMyData(1,\"isdong\") }; QuickSort(data,8); for (int i=0;i<8;i++)     cout<<data[i].m_iIndex<<\" \"<<data[i].GetData()<<\"\\n\"; cout<<\"\\n\";  Ｃ＋＋中如何产生随机数2007年04月26日 星期四 08:33 P.M.C++中产生随机数种子对于初学者一直都很困惑．大家知道，在Ｃ中有专门的srand(N)函数可以轻松实现这一功能，然而在Ｃ＋＋中则要复杂一些．下面是笔者学习的一点心得，希望对大家能有所帮助．（这里我们依然要借助Ｃ标准库中的rand()函数）函数说明：int rand();             :返回从[0,MAX)之间的随机整数，这里的ＭＡＸ与你所定义的数据类型而定；需#include <cstdlib>void srand( unsigned seed );         :设置随机数种子，#include <cstdlib>time_t time( time_t *time );           :返回当前时间，#include <ctime>应用举例：1）：srand(time(0));                       //根据系统时间设置随机数种子int i = rand() % N;                           //取得区间[0,N)的整数如要产生１～１０之间随机数，则代码如下：#include <iostream>using namespace std;#include <ctime>#include <cstdlib>int main(){         int t;         srand(time(0));       //seed         t = rand() % 10+ 1;       // random number 1-10             cout << t << endl;         return 0;}2）：srand(time(0));                       //根据系统时间设置随机数种子float x = rand() * x / RAND_MAX;                   //返回1/x的概率3）：srand(time(0));                      //根据系统时间设置随机数种子vector<int>v;                ////随机访问数组类型，#include <vector>random_shuffle(v.begin(), v.end());                      //STL算法random_shuffle把容器类的元素顺序捣乱以下源码来自crafty19.3,最强的源码开放的chess程序。注释很清楚，无需多言。问：1.Knuth的书中是怎么讲的？该书我无缘拜读。2.static const unsigned long x[55]，这里取55个随机数的理由是什么？3.能否比较全面地讲讲随机数产生的一些算法或理论，或推荐一些参考资料？[code]    /*A 32 bit random number generator. An implementation in C of the algorithm given byKnuth, the art of computer programming, vol. 2, pp. 26-27. We use e=32, so we have to evaluate y(n) = y(n - 24) + y(n - 55) mod 2^32, which is implicitlydone by unsigned arithmetic.*/unsigned int Random32(void) {    /*    random numbers from Mathematica 2.0.    SeedRandom = 1;    Table[Random[Integer, {0, 2^32 - 1}]    */    static const unsigned long x[55] = {      1410651636UL, 3012776752UL, 3497475623UL, 2892145026UL, 1571949714UL,      3253082284UL, 3489895018UL, 387949491UL, 2597396737UL, 1981903553UL,      3160251843UL, 129444464UL, 1851443344UL, 4156445905UL, 224604922UL,      1455067070UL, 3953493484UL, 1460937157UL, 2528362617UL, 317430674UL,       3229354360UL, 117491133UL, 832845075UL, 1961600170UL, 1321557429UL,      747750121UL, 545747446UL, 810476036UL, 503334515UL, 4088144633UL,      2824216555UL, 3738252341UL, 3493754131UL, 3672533954UL, 29494241UL,      1180928407UL, 4213624418UL, 33062851UL, 3221315737UL, 1145213552UL,      2957984897UL, 4078668503UL, 2262661702UL, 65478801UL, 2527208841UL,      1960622036UL, 315685891UL, 1196037864UL, 804614524UL, 1421733266UL,      2017105031UL, 3882325900UL, 810735053UL, 384606609UL, 2393861397UL };    static int init = 1;    static unsigned long y[55];    static int j, k;    unsigned long ul;      if (init)    {      int i;          init = 0;      for (i = 0; i < 55; i++) y[i] = x[i];      j = 24 - 1;      k = 55 - 1;    }      ul = (y[k] += y[j]);    if (--j < 0) j = 55 - 1;    if (--k < 0) k = 55 - 1;    return((unsigned int)ul);} [/code]对于初学者来说，只需熟练掌握１）种用法，更深层次的随着水平的提升自然会有所领悟．(以上部分来自"迷路的狼")另:一、C++中不能使用random()函数      random函数不是ANSI C标准，不能在gcc,vc等编译器下编译通过。 可改用C++下的rand函数来实现。      1、C++标准函数库提供一随机数生成器rand，返回0－RAND_MAX之间均匀分布的伪随机整数。 RAND_MAX必须至少为32767。rand()函数不接受参数，默认以1为种子（即起始值）。 随机数生成器总是以相同的种子开始，所以形成的伪随机数列也相同，失去了随机意义。（但这样便于程序调试）       2、C++中另一函数srand（），可以指定不同的数（无符号整数变元）为种子。但是如果种子相同，伪随机数列也相同。一个办法是让用户输入种子，但是仍然不理想。       3、 比较理想的是用变化的数，比如时间来作为随机数生成器的种子。 time的值每时每刻都不同。所以种子不同，所以，产生的随机数也不同。 // C++随机函数（VC program） #include <stdio.h> #include <iostream> #include <time.h> using namespace std;  #define MAX 100 int main(int argc, char* argv[]) {         srand( (unsigned)time( NULL ) );//srand()函数产生一个以当前时间开始的随机种子.应该放在for等循环语句前面 不然要很长时间等待  　　 for (int i=0;i<10;i++) 　　 cout<<rand()%MAX<<endl;//MAX为最大值，其随机域为0~MAX-1　　 return 0; } 二、rand()的用法         rand()不需要参数，它会返回一个从0到最大随机数的任意整数，最大随机数的大小通常是固定的一个大整数。 这样，如果你要产生0~10的10个整数，可以表达为： 　　int N = rand() % 11;       这样，N的值就是一个0~10的随机数，如果要产生1~10，则是这样： 　　int N = 1 + rand() % 11; 　　总结来说，可以表示为： 　　a + rand() % n      其中的a是起始值，n是整数的范围。 　　a + rand() % (b-a+1) 就表示　ａ～ｂ之间的一个随机数若要0~1的小数，则可以先取得0~10的整数，然后均除以10即可得到随机到十分位的10个随机小数，若要得到随机到百分位的随机小数，则需要先得到0~100的10个整数，然后均除以100，其它情况依此类推。       通常rand()产生的随机数在每次运行的时候都是与上一次相同的，这是有意这样设计的，是为了便于程序的调试。若要产生每次不同的随机数，可以使用srand( seed )函数进行随机化，随着seed的不同，就能够产生不同的随机数。       如大家所说，还可以包含time.h头文件，然后使用srand(time(0))来使用当前时间使随机数发生器随机化，这样就可以保证每两次运行时可以得到不同的随机数序列(只要两次运行的间隔超过1秒)。