我有：
std::random_device rd;
std::mt19937 mt(rd());
std::uniform_int_distribution<int> probability(0, 100);
我想排除这个概率范围内的一些数字。
示例 1：假设我想生成一个介于 0 和 100 之间的随机数，但这个数字永远不会是 4。
示例 2：假设我想生成一个 0 到 100 之间的随机数，但这个数字永远不能是 4 到 7 之间的任何数字。
我想知道是否可以在不使用std::rand 的情况下在现代C++ 中实现？
【问题讨论】：
std::discrete_distribution 并将您不希望的值设置为零概率。
如果您想继续使用uniform_int_distribution，您可以像这样手动操作：
示例 1：假设我想生成一个介于 0 到 100 之间的随机数，但这个数字永远不会是 4。
std::random_device rd;
std::mt19937 mt(rd());
std::uniform_int_distribution<int> distribution(0,99);
auto temp = distribution(mt);
auto random_number = (temp < 4) ? temp : temp + 1;
示例 2：假设我想生成一个介于 0 到 100 之间的随机数，但这个数字永远不能是 4 到 7 之间的任何数字。
std::random_device rd;
std::mt19937 mt(rd());
std::uniform_int_distribution<int> distribution(0,96);
auto temp = distribution(mt);
auto random_number = (temp < 4) ? temp : temp + 4;
这可以概括为编写一个函数 random_int_between_excluding(int first, int last, std::vector<int> exclude)，尽管在某些时候遵循 NathanOlivers 的建议并改用 std::discrete_distribution 会更简单。
【讨论】：
probability 用词不当，但这是一个小问题。）
int 没有环绕行为，因此这里存在未定义行为的小风险。您应该改为在 unsigned int 上进行增量
Example2：比方说，我想生成一个介于 0 之间的随机数 和 100，但这个数字不能是 4 到 7 之间的任何数字。
这就是std::piecewise_constant_distribution 的用途。
std::vector<int> i{0, 4, 8, 101};
std::vector<int> w{ 4, 0, 93};
std::piecewise_constant_distribution<> d(i.begin(), i.end(), w.begin());
【讨论】：
101.0 上限，以便范围 100.0, 101.0 可以向下舍入到 100。
如果你想错过 4 说，那么一个很好的方法（不损害生成器的任何统计属性）是在半开区间 [0, 99) 中绘制，然后添加 1 如果数字为 4 或更大。
您执行类似于省略范围内的数字的操作。
这种方法是对与所需概率分布相关的分位数函数进行建模的好方法。
【讨论】：
您可以在均匀分布上使用任意复杂度的过滤器：
template<typename D, typename G, typename F>
auto sample(D &distribution, G &generator, F const &filter)
{
while(true)
{
auto const value = distribution(generator);
if(filter(value))
return value;
}
}
您的示例案例转换为以下
std::random_device rd;
std::mt19937 mt(rd());
std::uniform_int_distribution<int> probability(0, 100);
auto const filter = +[](int n) {return n < 4 || n > 7;}
int const i = sample(probability, mt, filter);
您必须记住，这种过滤是有代价的。
让N 是分布返回的不同值的数量，F - 过滤掉的这些值的数量；然后，如果您需要对S 值进行采样，则必须对S * N / (N - F) 值进行平均采样和过滤。如果 F 与 N 相比较小，那没关系，但当 F 接近 N 时，效率非常低。在您的情况下，N = 100、F = 4 和 N / (N - F) = 1.04166...
如果您更喜欢可读性和简单性，那是您的选择。否则，如果您需要性能，您最好尝试分段分布或手动混淆值范围。
【讨论】：
有一个选项可以在合理的数字范围内手动执行...，创建一个查找表并排除无效的数字：
static int rand_pool[]{1,2,3,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23}; //no number 4
srand((int)time(0));
int random_number = rand_pool[rand() % 22];
【讨论】：
rand() % 22 实际上并不统一
RAND_MAX % 22 是例如11 那么前半部分的概率高于后半部分