这个问题太宽泛，无法给出完整的答案，但让我挑几个有趣的观点：
为什么“同样可能”
假设您有一个简单的随机数生成器，它以相等的概率生成数字0、1，...，10（将其视为经典rand()）。现在，您需要0、1、2范围内的随机数，每个概率均等。你的下意识反应是采取rand() % 3。但是，等等，余数0和1比余数2更频繁地出现，所以这是不正确的！
这就是为什么我们需要适当的分布，它需要一个均匀的随机整数源，并将它们变成我们想要的分布，如Uniform[0,2]示例中所示。最好把它留给一个好的图书馆！
引擎
因此，所有随机性的核心是一个好的伪随机数生成器，该生成器生成一个在一定间隔内均匀分布的数字序列，理想情况下，其周期很长。标准的实现rand()通常不是最好的，因此最好有一个选择。线性同余和Mersenne捻线机是两个不错的选择（LG实际上也经常被LG使用rand()）。再次，最好让库来处理。
这个怎么运作
简单：首先，设置一个引擎并将其播种。种子完全确定“随机”数的整个序列，因此a）/dev/urandom每次使用不同的数字（例如，取自），并且b）如果希望重新创建随机选择序列，则存储种子。
#include <random>
typedef std::mt19937 MyRNG; // the Mersenne Twister with a popular choice of parameters
uint32_t seed_val; // populate somehow
MyRNG rng; // e.g. keep one global instance (per thread)
void initialize()
{
rng.seed(seed_val);
}
现在我们可以创建发行版：
std::uniform_int_distribution<uint32_t> uint_dist; // by default range [0, MAX]
std::uniform_int_distribution<uint32_t> uint_dist10(0,10); // range [0,10]
std::normal_distribution<double> normal_dist(mean, stddeviation); // N(mean, stddeviation)
...并使用引擎创建随机数！
while (true)
{
std::cout << uint_dist(rng) << " "
<< uint_dist10(rng) << " "
<< normal_dist(rng) << std::endl;
}
并发
<random>与传统rand()方法相比，更重要的一个原因是，现在很清楚并且很明显如何使随机数生成线程安全：为每个线程提供自己的，线程本地的引擎，以线程本地的种子为种子或同步访问到引擎对象。
杂项
- 关于Codeguru上TR1 random 的有趣文章。
- Wikipedia有一个很好的摘要（感谢@Justin）。
- 原则上，每个引擎都应typedef a
result_type，这是用于种子的正确整数类型。我认为我曾经有一个错误的实现，迫使我强制将种子强制移植std::mt19937到uint32_tx64上，最终应该将其修复，您可以说MyRNG::result_type seed_val，这样就很容易更换引擎。
rand，您应该快速了解Wikipedia的一些基本统计信息和RNG概念，否则，将很难向您解释<random>其各个部分的原理和用法。