標準庫<cstdlib>（被包含於<iostream>中）提供兩個幫助生成偽隨機數的函式：

函式一：int rand(void)；
從srand (seed)中指定的seed開始，返回一個[seed, RAND_MAX（0x7fff）)間的隨機整數。

函式二：void srand(unsigned seed)；
引數seed是rand()的種子，用來初始化rand()的起始值。

可以認為rand()在每次被呼叫的時候，它會檢視：
1） 如果使用者在此之前呼叫過srand(seed)，給seed指定了一個值，那麼它會自動呼叫
srand(seed)一次來初始化它的起始值。
2） 如果使用者在此之前沒有呼叫過srand(seed)，它會自動呼叫srand(1)一次。

根據上面的第一點我們可以得出：
1） 如果希望rand（）在每次程式執行時產生的值都不一樣，必須給srand(seed)中的seed一個變值，這個變值必須在每次程式執行時都不一樣（比如到目前為止流逝的時間）。
2） 否則，如果給seed指定的是一個定值，那麼每次程式執行時rand（）產生的值都會一樣，雖然這個值會是[seed, RAND_MAX（0x7fff）)之間的一個隨機取得的值。
3） 如果在呼叫rand()之前沒有呼叫過srand(seed)，效果將和呼叫了srand(1)再呼叫rand()一樣（1也是一個定值）。

舉幾個例子，假設我們要取得0～6之間的隨機整數（不含6本身）：

例一，不指定seed：

for(int i=0;i<10;i++){ 
  ran_num=rand() % 6;
  cout<<ran_num<<" ";
}

例二，指定seed為定值1：

srand(1);
for(int i=0;i<10;i++){ 
  ran_num=rand() % 6;
  cout<<ran_num<<" ";
}

每次執行都將輸出：5 5 4 4 5 4 0 0 4 2
跟例子一的結果完全一樣。

例三，指定seed為定值6：

srand(6);
for(int i=0;i<10;i++){ 
  ran_num=rand() % 6;
  cout<<ran_num<<" ";
}
 

每次執行都將輸出：4 1 5 1 4 3 4 4 2 2

隨機值也是在[0,6）之間，隨得的值跟srand(1)不同，但是每次執行的結果都相同。

例四，指定seed為當前系統流逝了的時間（單位為秒）：time_t time(0)：

#include <ctime>
//…
srand((unsigned)time(0));
for(int i=0;i<10;i++){ 
  ran_num=rand() % 6;
  cout<<ran_num<<" ";
}

第一次執行時輸出：0 1 5 4 5 0 2 3 4 2
第二次：3 2 3 0 3 5 5 2 2 3
總之，每次執行結果將不一樣，因為每次啟動程式的時刻都不同（間隔須大於1秒？見下）。

關於time_t time(0)：

time_t被定義為長整型，它返回從1970年1月1日零時零分零秒到目前為止所經過的時間，單位為秒。比如假設輸出：
cout<<time(0);
值約為1169174701，約等於37（年）乘365（天）乘24（小時）乘3600（秒）（月日沒算）。

另外，關於ran_num = rand() % 6，

將rand()的返回值與6求模是必須的，這樣才能確保目的隨機數落在[0,6)之間，否則rand()的返回值本身可能是很巨大的。
一個通用的公式是：
要取得[a,b)之間的隨機整數，使用（rand() % (b-a)）+ a （結果值將含a不含b）。
在a為0的情況下，簡寫為rand() % b。

最後，關於偽隨機浮點數：

用rand() / double(RAND_MAX)可以取得0～1之間的浮點數（注意，不同於整型時候的公式，是除以，不是求模），舉例：

double ran_numf=0.0;
srand((unsigned)time(0));
for(int i=0;i<10;i++)
{ 
   ran_numf = rand() / (double)(RAND_MAX);
   cout<<ran_numf<<" ";
}

執行結果為：0.716636，0.457725，…等10個0～1之間的浮點數，每次結果都不同。

如果想取更大範圍的隨機浮點數，比如1～10，可以將
rand() /(double)(RAND_MAX) 改為 rand() /(double)(RAND_MAX/10)
執行結果為：7.19362，6.45775，…等10個1～10之間的浮點數，每次結果都不同。
至於100，1000的情況，如此類推。

以上不是偽隨機浮點數最好的實現方法，不過可以將就著用用…