Miller Rabbin 算法—费马定理+二次探测+随机数 (讲解+例题:FZU1649 Prime number or not)
0.引入
那年,机房里来了个新教练, 口胡鼻祖lhy
第一节课,带我们体验了暴力的神奇,
第二节课,带我们体验了随机数的玄妙,
……
那节课,便是我第一次接触到Miller Rabbin算法,
直到现在,终于搞懂了一些。
该算法(名字过长,不想打了)主要是解决快速判断一个极大的数是否是质数的问题。
我们知道,能保证正确的最快的算法,就是的复杂度,不能再小了,对于一个很大的long long,复杂度达到O(1e9)
但是该算法却能在的时间复杂度内判断,(如果用了光速乘,还可以变为
)
那究竟是为什么呢?
我们先特判了小质数后,再进入下面的算法
1.费马定理
我们知道,对于一个质数p,和比它小的数a,有
所以我们可以先判断 p 是否符合费马定理,不符合就肯定不是质数。
但是符合也不一定是质数,先不说随便在小于一个合数 p 的数中选一些数可能恰好都符合费马定理,就算把1~p-1都穷举完了,也有合数是可以满足上面的式子的,那就是卡迈克尔数。
但是这一步判断至少确定了枚举到的 a 是有逆元的吧……
2.二次探测
若有
其中 p 是质数,y < p,则
这就是二次探测的原理
然后大家知道,这篇文章不是在证定理,而是在讲算法,所以注重算法过程而不是算法推导,所以笔者就直接讲过程了!
由于上面费马定理已经判断了
而若p是质数,p-1就一定是偶数了(2已经特判掉了)可以分解出很多2出来,
设
那么先算出 ,然后每次
把它平方,只要第一次碰到 a==1 的情况,就看前一次的 a 是多少,如果不是p-1那么该数就是合数,否则就继续算法过程,总会碰到 a==1 的情况,因为最后会乘到
。
3.随机数
随便选一个数 a 来做二次探测,让合数躲过的几率只有10%左右,
那么随机选10个、20个、30个数做二次探测,让合数躲过的几率就小得多了,可以小到同出现相同指纹的概率这么小,(但前提是足够随机)
所以我们就放心做十次二次探测,每次选一个1~p-1中的随机 a 跑上面的过程,把这个10算作一个log的话,复杂度也只有了。
4.例题
FZU1649 质数还是合数
一道该算法的板题
CODE
#include<cstdio>
#include<cstring>
#include<iostream>
#include<cmath>
#include<ctime>
#include<queue>
#include<stack>
#include<map>
#include<vector>
#include<algorithm>
#define MAXN 65545
#define MAXM 35
#define ENDL putchar('\n')
#define LL long long
#define DB double
#define lowbit(x) ((-x)&(x))
//#define int LL
using namespace std;
inline LL read() {
LL f = 1,x = 0;char s = getchar();
while(s < '0' || s > '9') {if(s == '-')f = -1;s = getchar();}
while(s >= '0' && s <= '9') {x = x * 10 + (s - '0');s = getchar();}
return x * f;
}
const LL jzm = 1000000007;
int n,m,i,j,s,o,k;
LL safemul(LL a,LL b,LL zxy) {
LL res = 0;if(a < b) swap(a,b);
while(b>0) {
if(b & 1ll) (res += a) %= zxy;
(a <<= 1ll) %= zxy;
b >>= 1;
}
return res;
}
LL qkpow(LL a,LL b,LL zxy) {
LL res = 1;
while(b>0) {
if(b & 1ll) res = safemul(res,a,zxy);
a = safemul(a,a,zxy);
b >>= 1;
}
return res % zxy;
}
LL Rand() {return rand()*rand()+rand();}
bool Miller_rabbin(LL p) {
if(p == 2 || p == 3 || p == 5) return 1;
if(p <= 1) return 0;
LL nm = p-1;
nm /= lowbit(nm);
for(int id = 1;id <= 10;id ++) {
LL a = Rand() % p;
if(qkpow(a,p-1,p) != 1ll) return 0;
a = qkpow(a,nm,p);
LL pre = p-1;
while(a != 1) {
pre = a;
a = safemul(a,a,p);
}
if(pre != p-1) return 0;
}
return 1;
}
int main() {
srand(time(0));
LL N;
while(scanf("%lld",&N) == 1) {
printf(Miller_rabbin(N) ? "It is a prime number.\n":"It is not a prime number.\n");
}
return 0;
}
Miller Rabbin 算法—费马定理+二次探测+随机数 (讲解+例题:FZU1649 Prime number or not)的更多相关文章
- 【数论基础】素数判定和Miller Rabin算法
判断正整数p是否是素数 方法一 朴素的判定
- Miller Rabin算法详解
何为Miller Rabin算法 首先看一下度娘的解释(如果你懒得读直接跳过就可以反正也没啥乱用:joy:) Miller-Rabin算法是目前主流的基于概率的素数测试算法,在构建密码安全体系中占有重 ...
- Miller-Robin与二次探测
素数在数论中经常被用到.也是数论的基础之一. 人们一直在讨论的问题是,怎样快速找到素数?或者判断一个数是素数? 1.根号n枚举 原始暴力方法. 2.埃氏筛 每个合数会被筛质因子次数次.复杂度O(Nlo ...
- Miller Rabin 算法简介
0.1 一些闲话 最近一次更新是在2019年11月12日.之前的文章有很多问题:当我把我的代码交到LOJ上,发现只有60多分.我调了一个晚上,尝试用{2, 3, 5, 7, 11, 13, 17, 1 ...
- Miller Rabin算法学习笔记
定义: Miller Rabin算法是一个随机化素数测试算法,作用是判断一个数是否是素数,且只要你脸不黑以及常数不要巨大一般来讲都比\(O(\sqrt n)\)的朴素做法更快. 定理: Miller ...
- 算法(二)之遗传算法(SGA)
算法(二)之遗传算法(SGA) 遗传算法(Genetic Algorithm)又叫基因进化算法或进化算法,是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型,属于启发式搜索算法一种. 下面通过下 ...
- (Miller Rabin算法)判断一个数是否为素数
1.约定 x%y为x取模y,即x除以y所得的余数,当x<y时,x%y=x,所有取模的运算对象都为整数. x^y表示x的y次方.乘方运算的优先级高于乘除和取模,加减的优先级最低. 见到x^y/z这 ...
- java 解决Hash(散列)冲突的四种方法--开放定址法(线性探测,二次探测,伪随机探测)、链地址法、再哈希、建立公共溢出区
java 解决Hash(散列)冲突的四种方法--开放定址法(线性探测,二次探测,伪随机探测).链地址法.再哈希.建立公共溢出区 标签: hashmaphashmap冲突解决冲突的方法冲突 2016-0 ...
- 70 数组的Kmin算法和二叉搜索树的Kmin算法对比
[本文链接] http://www.cnblogs.com/hellogiser/p/kmin-of-array-vs-kmin-of-bst.html [分析] 数组的Kmin算法和二叉搜索树的Km ...
随机推荐
- ICDAR2013
参考:https://www.cnblogs.com/dmyu/p/6483357.html以及博主相关文章等.
- 前端工作中用到的openlayers相关的公共方法
/** * 获取地图上的图层对象 * @param map 地图对象 * @param layerName 实例化图层时的name * @return {null}*/ getLayerByLayer ...
- 拒绝蛮力,高效查看Linux日志文件!
原创:扣钉日记(微信公众号ID:codelogs),欢迎分享,转载请保留出处. 简介 日常分析问题时,会频繁地查看分析日志,但如果蛮力去查看日志,耗时费力还不一定有效果,因此我总结了在Linux常用的 ...
- NC200211 装备合成
NC200211 装备合成 题目 题目描述 牛牛有 \({x}\) 件材料 \({a}\) 和 \({y}\) 件材料 \({b}\) ,用 \({2}\) 件材料 \({a}\) 和 \({3}\) ...
- 《Domain Agnostic Learning with Disentangled Representations》ICML 2019
这篇文章是ICML 2019上一篇做域适应的文章,无监督域适应研究的问题是如何把源域上训练的模型结合无lable的目标域数据使得该模型在目标域上有良好的表现.之前的研究都有个假设,就是数据来自哪个域是 ...
- 常用的Linux命令和Git的必要配置
常用的Linux命令平时一定要多使用这些基础的命令! 1.cd : 改变目录. 2.cd . . 回退到上一个目录,直接cd进入默认目录 3.pwd : 显示当前所在的目录路径. 4.ls(ll): ...
- 【python笔记】Qt+云函数 实现简单的登录框制作
[python笔记]Qt+云函数 实现简单的登录框制作 备注:前置条件:QtDesigner.pycharm.PyQt5.配置好的云函数(百度的叫函数计算CFC,用来充当一个简陋的服务器,主要是免费) ...
- Windows安装face_recognition
安装提供的python和cmake,最好都添加一下环境变量 安装dlib,pip install dlib-19.7.0-cp36-cp36m-win_amd64.whl 安装face_recogni ...
- 下载Chrome离线安装包
https://www.google.com/chrome/thankyou.html?standalone=1&platform=mac&installdataindex=defau ...
- 4-5 Spring Boot
1. 关于Spring Boot Spring Boot是Spring官方的一个产品,其本质上是一个基于Maven的.以Spring框架作为基础的进阶框架,很好的支持了主流的其它框架,并默认完成了许多 ...