对于大数据集，使用random_shuffle函数可能会导致性能问题，因为它需要对整个数据集进行随机重排。在大数据集情况下，可以考虑使用更高效的方法来实现随机重排，例如使用Fisher-Yates算法或洗牌算法。
以下是一个使用Fisher-Yates算法实现随机重排的示例代码：
#include <iostream> #include <algorithm> #include <vector> void fisherYatesShuffle(std::vector<int>& data) { int n = data.size(); for (int i = n - 1; i > 0; i--) { int j = rand() % (i + 1); std::swap(data[i], data[j]); } } int main() { std::vector<int> data = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}; // 使用Fisher-Yates算法进行随机重排 fisherYatesShuffle(data); for (int num : data) { std::cout << num << " "; } return 0; } 在上面的示例中，我们使用Fisher-Yates算法实现了随机重排，并避免了random_shuffle函数可能带来的性能问题。您可以根据实际情况选择适合的方法来实现随机重排。
