Update

　　c++11中提供了一种新的产生随机数的方式:

#include <iostream>
#include <random>

int main(){
    std::random_device device;
    std::mt19937 generator(device());
    std::uniform_int_distribution<int> distribution(1, 10); // random integer number bewteen [1, 10]
    //std::uniform_real_distribution<> distribution(0, 1); // random real number bewteen [0, 1]

    for (uint8_t i = 0; i < 10; i++){
        std::cout << distribution(generator) << ' ';
    }
    std::cout << std::endl;
}

参考链接

Generating random numbers in C++

以下为原答案

rand()

　　生成随机整数的核心函数是cstdlib中的rand()，它生成一个闭区间 [0, RAND_MAX] 内的均匀随机数（均匀的含义是：该区间内每个整数被随机获取的概率相同），其中RAND_MAX是定义在cstdlib中的一个宏变量，在不同环境下的值可能不同，但是保证至少为$32767(2^{15} - 1)$。
　　严格地说，这里的随机数是“伪随机数”，因为它也是由数学公式计算出来的，不过在算法领域，多数情况下可以把它当作真正的随机数。

产生[0, n]之间的整数

　　可以用rand() % n的方式产生区间 $[0, n - 1]$ 内的一个随机整数。但是一方面这会破坏产生的整数分布的均匀性，另一方面只要n大于 RAND_MAX这种方法就不能得到期望的结果。由于RAND_MAX可能只有 32767 这么小，所以在使用这种方法的时候要小心。
　　另一个方法是执行rand()后先除以RAND_MAX，得到 $[0, 1]$ 之间的随机实数，扩大n倍后四舍五入，得到 $[0, n]$ 之间的均匀整数。

具体用法

　　需要随机数的程序在最开始时一般会执行一次srand(time(NULL))，目的是初始化“随机数种子”。简单来说，种子是生成随机数的计算依据。种子相同，计算出来的“随机数”序列总是相同。譬如运行下面的程序：

#include <iostream>
#include <cstdlib>

using namespace std;

int main(){
    srand(100);
    for(int i = 0; i < 3; i++){
        cout << rand() << endl;
    }
    return 0;
}

　　可以得到这样的一组随机数：

1
2
3

677741240
611911301
516687479

　　但是当我们第二次运行这段代码的时候，我们会得到相同的一组随机数，原因就在于，我们每次运行时srand函数中初始化的种子始终是100。
　　而当我们使用srand(time(NULL))来替代上面的srand(100)时，由于time()函数会返回系统当前时间，所以每次运行程序时这个值都会不一样，也就使得每次运行生成的随机数序列不同。
　　如果不调用srand而直接使用rand()，相当于调用过一次srand(1)。
　　另外，不要在同一个程序每次生成随机数之前都重新调用一次srand。譬如运行下面的程序：

#include <iostream>
#include <cstdlib>

using namespace std;

int main(){
    for(int i = 0; i < 3; i++){
        srand(time(NULL));
        cout << rand() << endl;
    }
    return 0;
}

　　会发现生成的三个随机数是相同的（随机数的具体值因人而异）：

1
2
3

805428961
805428961
805428961

　　仔细思考一下就很可以分析出原因：生成随机数的序列是由“种子”决定的，在这段代码里的种子就是time(NULL)的返回值了，也就是系统当前时间（准确来说是自UTC时间1970年1月1日0点依赖经过的“秒数”），它每秒变化一次，但是程序在上面三次运行的时间间隔过短，应该毫秒甚至微秒级的，因此上面三个随机数是同一个种子生成的，而且因为每次都被重新初始化，所以都是同一个随机数序列的第一个值。

　　“同一套随机数”可能是好事也可能是坏事。例如，若要反复测试程序对不同随机数据的响应，需要每次得到的随机数不同。另一方面，如果发现某一程序对于一组随机数据报错，就需要在调试时“重现”这组数据。另外，不同的编译器计算随机数的方法可能不同。如果是不同编译器编译出来的程序，即使是用相同参数调用srand()，也可能的都不同的随机序列。

参考

　　主要参考了刘汝佳老师的《算法竞赛入门经典》(第2版)第五章中5.2.6-测试STL一节中的内容。