srand（（int）time（NULL））；设定随机数种子
需要注意的是,在运行以上代码之前最好设定一下：
srand(time(NULL));//用系统当前时间设置rand()随机序列种子,保证每次运行随机序列不一样
#includestdio.h
#includetime.h
#includestdlib.h
#define min 1 ? //这个函数的意义为：随机生成最小的数为1
int main()
{
int num;
srand(time(0));
num = rand() % (max - min) + min; ?// 这里的意义,"%"为模运算
printf("随机数为：%d\n", num);
system("pause"); ?//这个代码可以让弹出的黑框不会一下就消失
return 0;
}
扩展资料：
根据密码学原理,随机数的随机性检验可以分为三个标准：
条件第一段：统计学伪随机性.统计学伪随机性指的是在给定的随机比特流样本中,1的数量大致等于0的数量,同理,"10""01""00""11"四者数量大致相等.类似的标准被称为统计学随机性.满足这类要求的数字在人类"一眼看上去"是随机的.
条件第二段：密码学安全伪随机性.其定义为,给定随机样本的一部分和随机算法,不能有效的演算出随机样本的剩余部分.
条件第三段：真随机性.其定义为随机样本不可重现.实际上只要给定边界条件,真随机数并不存在,可是如果产生一个真随机数样本的边界条件十分复杂且难以捕捉（比如计算机当地的本底辐射波动值）,可以认为用这个方法演算出来了真随机数.
随机数分为三类：
①伪随机数：满足第一个条件的随机数.
②密码学安全的伪随机数：同时满足前两个条件的随机数.可以通过密码学安全伪随机数生成器
计算得出.
③真随机数：同时满足三个条件的随机数.
例子如下：
直接编译,程序执行结果如下图所示：
随机数是专门的随机试验的结果.在统计学的不同技术中需要使用随机数,比如在从统计总体中抽取有代表性的样本的时候,或者在将实验动物分配到不同的试验组的过程中,或者在进行蒙特卡罗模拟法计算的时候等等.
产生随机数有多种不同的方法.这些方法被称为随机数发生器.随机数最重要的特性是：它所产生的后面的那个数与前面的那个数毫无关系.
#include stdlib.h
#include stdio.h
#include time.h
srand()（（int）time（NULL））；设定随机数种子
各种编程语言返回的随机数（确切地说是伪随机数）实际上都是根据递推公式计算的一组数值,当序列足够长,这组数值近似满足均匀分布.如果计算伪随机序列的初始数值（称为种子）相同,则计算出来的伪随机序列就是完全相同的.这个特性被有的软件利用于加密和解密.加密时,可以用某个种子数生成一个伪随机序列并对数据进行处理；解密时,再利用种子数生成一个伪随机序列并对加密数据进行还原.这样,对于不知道种子数的人要想解密就需要多费些事了.当然,这种完全相同的序列对于你来说是非常糟糕的.要解决这个问题,需要在每次产生随机序列前,先指定不同的种子,这样计算出来的随机序列就不会完全相同了.你可以在调用rand()函数之前调用srand( (unsigned)time( NULL ) ),这样以time函数值（即当前时间）作为种子数,因为两次调用rand函数的时间通常是不同的,这样就可以保证随机性了.你也可以使用srand函数来人为指定种子数.
参考资料：
#include
stdlib.h
stdio.h
time.h
void
main()
int
i,count[100];
for(i=0;i100;i++)
{count[i]=random(100);//设定
取值范围
,这表明
随机数
是0-100之间取
printf("%d\n",count[i]);