数论学习之质数

2024-04-20 18:18
文章标签 学习 质数 数论

本文主要是介绍数论学习之质数,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

我们主要介绍两种高效的找质数的方法。
1、埃式筛法
对于一个质数x,我们知道x的倍数肯定不是质数了,如:2是质数,所有2x2,2x3,2x4这些都不是质数了。我们利用一个数组v来进行标记,没被标记的就是质数了。时间复杂度为 O ( N l o g l o g N ) O(NloglogN) ONloglogN
代码:

//埃式筛
void primer(int n){memset(v,0,sizeof(v));for(int i=2;i*i<=n;i++){if(v[i])  continue;for(int j=i+i;j<=n;j+=i){v[j]=i;}}
}

2、线性筛法(用于找每个数的最小的质因数)
线性筛是比埃式筛更加高效得以一种寻找质数的方法。我们知道,如果用埃式筛的话,会有一些重复的被标记的数,所以我们利用线性筛法寻找每个数最小的质因数。其思路就是对于每个数i,当前记录下的素数分别与这个当前的i相乘而且不超过n的数进行标记即可。时间复杂度为 O ( N ) O(N) ON
代码:

//线性筛法
const int maxn=1000010;
int v[maxn],prime[maxn];
void primers(int n){memset(v,0,sizeof(v));m=0;for(int i=2;i<=n;i++){if(v[i]==0){  //如果这个数为质数 v[i]=i;prime[++m]=i;}for(int j=1;j<=m;j++) {if(prime[j]>v[i]||prime[j]>n/i)  break; //如果i有比prime[j]更小的质因数,或者超过了n的范围 v[i*prime[j]]=prime[j];}}
}

接下来,我们来介绍一下对一个数n进行质因数分解
我们接用埃式筛法来进行一下,每找到一个素数的话,我们直接记录下这个素数,然后不断更新n,即缩小n的范围。
代码:

void divide(int n){int m=0;for(int i=2;i*i<=n;i++){if(n%i==0){p[++m]=i;  //记录下这个素数c[m]=0;while(n%i==0){  //不断更新nn/=i;c[m]++;}}}if(n>1)  p[++m]=n,c[m]=1;

这篇关于数论学习之质数的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/920987

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

数论入门整理(updating)

一、gcd lcm 基础中的基础,一般用来处理计算第一步什么的,分数化简之类。 LL gcd(LL a, LL b) { return b ? gcd(b, a % b) : a; } <pre name="code" class="cpp">LL lcm(LL a, LL b){LL c = gcd(a, b);return a / c * b;} 例题:

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

数论ZOJ 2562

题意:给定一个数N,求小于等于N的所有数当中,约数最多的一个数,如果存在多个这样的数,输出其中最大的一个。 分析:反素数定义:对于任何正整数x,其约数的个数记做g(x).例如g(1)=1,g(6)=4.如果某个正整数x满足:对于任意i(0<i<x),都有g(i)<g(x),则称x为反素数。 性质一:一个反素数的质因子必然是从2开始连续的质数。 性质二:p=2^t1*3^t2*5^t3*7