在计算机中并没有一个真正的随机数发生器，但是可以做到使产生的数字重复率很低，这样看起来好象是真正的随机数，实现这一功能的程序叫伪随机数发生器。
    有关如何产生随机数的理论有许多，如果要详细地讨论，需要厚厚的一本书的篇幅。不管用什么方法实现随机数发生器，都必须给它提供一个名为“种子”的初始值。
  而且这个值最好是随机的，或者至少这个值是伪随机的。“种子”的值通常是用快速计数寄存器或移位寄存器来生成的。
   下面讲一讲在C语言里所提供的随机数发生器的用法。现在的C编译器都提供了一个基于ANSI标准的伪随机数发生器函数，用来生成随机数。
  它们就是rand()和srand()函数。这二个函数的工作过程如下：
1) 首先给srand()提供一个种子，它是一个unsigned int类型，其取值范围从0~65535；
2) 然后调用rand()，它会根据提供给srand()的种子值返回一个随机数(在0到32767之间)
3) 根据需要多次调用rand()，从而不间断地得到新的随机数；
4) 无论什么时候，都可以给srand()提供一个新的种子，从而进一步“随机化”rand()的输出结果。
  
    这个过程看起来很简单，问题是如果你每次调用srand()时都提供相同的种子值，那么，你将会得到相同的随机数序列，这时看到的现象是没有随机数，而每一次的数都是一样的了。例如，在以17为种子值调用srand()之后，在首次调用rand()时，得到随机数94。
  在第二次和第三次调用rand()时将分别得到26602和30017，这些数看上去是很随机的(尽管这只是一个很小的数据点集合)，但是，在你再次以17为种子值调用srand()后，在对于rand()的前三次调用中，所得的返回值仍然是在对94，26602，30017，并且此后得到的返回值仍然是在对rand()的第一批调用中所得到的其余的返回值。
  因此只有再次给srand()提供一个随机的种子值，才能再次得到一个随机数。
    下面的例子用一种简单而有效的方法来产生一个相当随机的“种子”值----当天的时间值：
#include
#include
#include
#include
void main(void)
{
    int i;
    unsigned int seedVal;
    struct timeb timeBuf;
    ftime(&timeBuf);
    seedVal=((((unsigned int)timeBuf。
  time&0xFFFF)+
                 (unsigned int) litm)^
                 (unsigned int) litm);
    srand((unsigned int)seedVal);
    for(i=0;i<10;++i)
        printf("%6d\n",rand());
}
上面的程序先是调用_ftime()来检查当前时间，并把它的值存入结构成员timeBuf。
  time中，当前时间的值从1970年1月1日开始以秒计算。在调用了_ftime()之后，在结构timeBuf的成员millitm中还存入了当前那一秒已经度过的毫秒数，但在DOS中这个数字实际上是以百分之一秒来计算的。然后，把毫秒数和秒数相加，再和毫秒数进行异或运算。
  当然也可以对这两个结构成员进行更多的计算，以控制seedVal的取值范围，并进一步加强它的随机性，但上例用的逻辑运算就已经足够了。
    注意上例中rand()的输出并没有被限制在一个指定的范围，假定要建立一个彩票选号器，其取值范围是从1到44。
  可以简单地忽略掉rand()所输出的在该范围外的值，但这将花费许多时间去得到所需的全部(例如6个)彩票号码。假如你已经建立了一个随机数发生器，它所产生的随机数范围是从0到32767，而你想把输出限制在1到44之间。下面的例子就说明了如何来完成这项工作：
int i,k range;
int min,max;
double j;
min=1;
max=44;
range=max-min;
i=rand();
j=((oduble)i/(double)RAND_MAX);
i=(int)(j*(double)range);
i+=min;
这个例子把输出的随机数限制在1到44之间，其工作原理如下：
1)得到一个在0到RAND_MAX(32767)之间的随机数，把它除以RAND_MAX，从而产生一个在0到1之间的校正值；
2)把校正值乘以所需要的范围值(在本例中为43，即44-1)从而产生一个在0到43之间的值
3) 把该值和所要求的最小值相加，从而使该值最终落在正确的取值范围----1到44之间。
  你可以用不同的min和max值来验证这个例子，你会发现它总是会正确地产生在新的min和max值之间的随机数。
。