嘿，这个需求很明确，我来一步步教你怎么实现。核心思路是把不同概率的数字映射到一个足够大的随机数范围里，通过分层判断来分配概率，话不多说，直接上方案：

步骤1：理解概率分配 #

首先我们把总概率空间拆成三部分：

• 0的概率：10% → 对应随机数范围里的10%区间
• 1的概率：7% → 对应接下来的7%区间
• 2到100（共99个数）：剩下的83% → 把这部分区间均匀分给99个数，每个数的概率约为83%/99≈0.838%

为了避免小数计算的精度问题，我们可以用千分比来对应（1000个等分区间）：

• 0-99（100个区间）→ 返回0（100/1000=10%）
• 100-169（70个区间）→ 返回1（70/1000=7%）
• 170-999（830个区间）→ 均匀映射到2-100的99个数

步骤2：代码实现 #

首先要包含必要的头文件，然后实现一个自定义随机数函数，最后测试验证：

#include <iostream>
#include <cstdlib>
#include <ctime>

// 生成符合要求的随机数
int get_custom_random() {
    // 生成0-999的随机数，对应千分比概率区间
    int rand_val = rand() % 1000;

    // 10%概率返回0
    if (rand_val < 100) {
        return 0;
    }
    // 7%概率返回1
    else if (rand_val < 170) {
        return 1;
    }
    // 剩余83%均匀分配给2-100
    else {
        // 计算当前在剩余区间的偏移量（0-829）
        int offset = rand_val - 170;
        // 把偏移量线性映射到0-98的索引（对应2-100）
        // 用乘法再除法的方式避免整数除法的偏差，保证分配更均匀
        int index = (offset * 99) / 830;
        // 索引+2得到目标数字
        return index + 2;
    }
}

int main() {
    // 初始化随机数种子！只需要调用一次，放在程序开头
    srand(time(nullptr));

    // 测试：生成10000个随机数统计概率
    int counts[101] = {0};
    const int total_tests = 10000;
    for (int i = 0; i < total_tests; ++i) {
        int num = get_custom_random();
        counts[num]++;
    }

    // 输出统计结果
    std::cout << "概率统计（基于" << total_tests << "次测试）：\n";
    std::cout << "0的概率：" << static_cast<double>(counts[0])/total_tests*100 << "%\n";
    std::cout << "1的概率：" << static_cast<double>(counts[1])/total_tests*100 << "%\n";
    std::cout << "2-100每个数字的平均概率：" 
              << static_cast<double>(total_tests - counts[0] - counts[1])/(total_tests*99)*100 
              << "%\n";

    return 0;
}

关键细节说明 #

• 随机数种子初始化：srand(time(nullptr))必须只调用一次，放在程序启动处。如果放在循环里，会因为同一时间戳生成相同的种子，导致随机数重复。
• 概率映射的均匀性：用(offset * 99) / 830而不是直接offset / 8，是因为830不能被99整除（830=99×8+38），直接整数除法会让前38个数字的概率略高。用乘法再取整的方式能让每个数字的概率更接近理论值。
• rand()的范围：rand()默认返回0到RAND_MAX（通常是32767）的整数，用rand()%1000可以把它缩放到0-999的范围，对于这个需求来说精度足够。

内容的提问来源于stack exchange，提问作者Deep