正态分布也叫高斯分布，normal distribution/gaussian distribution
一般会采用Box-muller提供的方式生成一个服从正态分布的随机数。该思想的代码示例和讲解大家可以百度下，非常多。 基本思想：先得到均匀分布随机数，然后转变为服从正态分布的随机数。
C++11里面提供了新的随机数生成器，通过它，我们可以很方便的实现符合正态分布的随机数。
正态分布包括两个参数，均值和标准差。
我们需要用到norm_distribution和default_random_engine，该函数包含在random库，所以记得**#include**
std::default_random_engine e1(time(0));//default_random_engine e1; e1.seed(32767); std::default_random_engine e2(32767);std::normal_distribution<double> distribution(0,1.0);double rnd = distribution(e1);第一行创建随机数引擎，其中参数time(0)是随时间而变化的种子seed，当然可以不带参数或者给随便一个数值，这里的思想和srand设置种子是一样的。如果不同的引擎设置相同的种子，那么产生的随机数也就是相同的。如果采用时间种子，就会产生一个新问题，time0返回的时间是秒，如果是一部分反复运行，由于时间间隔不够，所以可能会让设置的种子一样，比如在多次循环中会生成相同的随机数。【不同时刻的秒数是不同的，但同一秒内多次调用此程序所对应的系统秒是相同的。且由于，程序调用时间长短问题，即便获取系统毫秒值也会发生同一毫秒内多次调用的问题。】当然随机数种子容易出现在秒级及秒级以上可用的局面，但是程序的调用可能是小于等于毫秒级别的，这样想要打破上面的局面，就需要用random_device类，来生成 它的对象用来获取真随机数。非常耗费系统资源，所以要谨慎
random_device可以参考 下面这篇文章
random_device
第二行则是创建随机分布对象，double指定了生成的随机数的类型，0，1分别表示了正态分布的期望值和方差两个参数。
一个给定的随机数发生器一直会生成相同的随机数序列。一个函数如果定义了局部的随机数发生器，应该将（引擎和分布对象）定义为 static 的。否则每次调用函数都会生成相同的序列。
staic std::default_random_engine e1(time(0));staic std::normal_distribution<double> distribution(0,1.0);double rnd = distribution(e1);随机数发生器会生成相同的随机数序列在调试 中很有用。方便我们观察值的变化，对程序进行分析
因此可以使用static关键字使程序运行期间使用同一个随机数引擎，那么所生成的随机数就是不断从随机序列中取出的。
加了static的引擎可以称之为静态随机数引擎
可以注意到，同一个随机数引擎生成的随机序列是可以称为“真随机数”的，因为从原理的角度来看：其在调用时依次取出序列中的下一个数字。所以，也就保证了生成的随机数不相同
当调试完毕，我们通常希望每次运行程序都会生成不同的随机结果，可以通过提供一个 种子 来达到这一目的。
再来介绍下 uniform_int_distribution这个类
使用方式为static uniform_int_distribution u(min,max);即生成的随机数在min ~ max之间，且均为闭区间。
static default_random_engine e;uniform_int_distribution<int> r(1, 10);std::cout << r(e) << " ";