1.有100条数据需随机提取10条用rand怎么用的
2.关于random_shuffle的一个疑问
3.关于Random Shuffle

有100条数据需随机提取10条用rand怎么用的

       两个方法：

       random_shuffle

// 代码简单的方法

       // 设条数据存储在vector<string> ss;中

       include <algorithm>

       using std::random_shuffle;

       srand(time(0)); // 随机种子

       random_shuffle(ss.begin(), ss.end()); // 随机序列生产函数

       // 取出ss[0] ~ ss[9]，即为所得。

       2. rand

for (i=0;i<;i++) m[i] = 0; // 标签标记是否生成过

       srand(time(0));

       int sum = 0; // 标记已经生成的符合要求的随机数个数

       int ans[]; // 用于存储生成的个随机数，范围是[0,]

       while(1)

       {

           r = ( (double)rand() / ((double)(RAND_MAX)+(double)(1)) ); // r属于[0,1)

           i =(int) ( r * .0);// i属于[0,]

           if(m[i] == 0){

               m[i] = 1;

               ans[sum++] = i;

           }

           if(sum == ) // 生成了个数

               break;

       }

关于random_shuffle的一个疑问

       当我们谈论random_shuffle函数时，一个常见的gcc 源码安装误解是关于其内部实现。尽管我没有亲自查看过该函数的互动源码具体代码，但根据通常的随机排序算法原理，它确实会涉及到多次调用rand()函数。标准的排序算法中，对于n个元素，理论上确实需要进行n次独立的随机数生成，以确保能生成所有可能的n!（n的阶乘）种随机排列方式。这意味着每次调用rand()都会对最终的g源码序列产生影响，从而覆盖所有排列组合。

       这个过程确保了每次排序后的结果都是独一无二的，无论输入的初始序列是什么。然而，jar包源码值得注意的是，这个“不止一次”并不意味着效率低下，因为rand()的调用次数是与排序规模成正比的，而并非线性。均线源码在实际应用中，random_shuffle通常用于快速生成一个随机的、无序的序列，其效率在大多数情况下是可以接受的。

       总结来说，random_shuffle通过频繁调用rand()生成随机数，从而实现了生成所有可能排列的目的，尽管这看起来可能会消耗较多的随机数生成操作，但其在实际应用中的效率是经过优化的。每个元素的随机化都是为了保证结果的随机性和多样性，这是其核心功能的体现。

关于Random Shuffle

       random shuffle指的是将一个数组里面的元素随机打乱得到一个新的数组。下面给出两种随机打乱算法的实现思路，在打乱效果上两种实现并没有本质上的区别。

        1. æ‰“乱算法一：

        正确性： ä½¿ç”¨â€œæŠ½ç­¾å…¬å¹³æ€§â€å¯è¯æ˜Žä¹‹

        2. æ‰“乱算法二：

        正确性：

        假设for循环执行k步之后，前k个全素已被正确的随机打乱，即对于原数组前k个元素中的任一个，其现在位于a[i], i ∈ [0, k - 1]的概率均为1 / k。那么当for循环执行完第k+1步之后，对于前k+1个元素，也会被正确的随机打乱。因为，由第k+1步的操作易知，对于第k+1个元素，其出现在[0...k]中某一位置的概率为1 / (k+1)，而对于前k个元素，经过第k+1步之后，其处于[0...k-1]中某个位置的概率为1/k * (1 - 1 /  (k + 1)) = 1 / (k + 1)，其处于位置k的概率为 1 / (k + 1)，因此对于前k个元素，其出现在[0...k]中任一位置的概率也为1 / (k + 1)。