素数判断算法(基于python实现)

素数是只能被1与自身整除的数,根据定义,我们可以实现第一种算法。

算法一:

def isprime(n):
    if n < 2: return False
    for i in range(2,int(math.sqrt(n))+1):
        if n % i == 0:
            return False
    return True

任意一个合数都可分解为素数因子的乘积,观察素数的分布可以发现:除 2,3 以外的素数必定分布在 6k (k为大于1的整数) 的两侧。6k % 6 == 0, (6k+2) % 2== 0,(6k+3) %3==0,(6k+4)%2==0,

所以2,3外的素数形式只能写成  6k+1 或 6k-1的形式。据此,我们可以缩小因子范围。

算法二:

def isprime(n):
	if n == 2 or n == 3:
		return True
	if n % 2 == 0 or n % 3 == 0:
		return False

	for k in range(6,int(math.sqrt(n)) + 2, 6):
		if n % (k-1) == 0 or n % (k+1) == 0:
			return False
	return True

  

建立一个大小为n的数组,初始值置为真。从2开始设置步长(length)直至n的平方根,将length*i (i > 1) 的值置为False。这就是埃拉托斯特尼筛法的基本思想。适用于筛选小于n的所有素数,算法如下:

算法三:

def isprime(n):
    r = [[i,True] for i in range(1,n+1)]
    r[0] = [1,False]
    for i in range(1,int(math.sqrt(n))):
        j = i * 2 + 1
        while j < len(r):
            r[j] = [j+1,False]
            j += i + 1
    return r

费马小定理: ap-1 = 1 (mod p) ,其中gcd(p,a) = 1 且 p 为素数

p为素数时等式一定成立,但使等式成立的p不一定都是素数,但非素数p数量极少,称之为伪素数。

任意大素数n可写成 n = u * 2t  + 1, 其中 t 为 大于1 的整数,u为奇数。a n - 1 = (au)2^t, 求出au 后,连续t次平方即可求得。

算法四:

def isprime_fourth(n):
    if n == 2: return True
    if n % 2 == 0: return False
    # 若n为大于2的素数,形式可写成 n=u*(2^t) + 1, t >= 1 and u % 2 == 1
    t = 0
    u = n - 1
    while u % 2 == 0:
        t += 1
        u //= 2

    # 随机选择底数,若n为素数,gcd(a,n)==1
    a = random.randint(2,n-1)
    # 若n为素数,则a^(n-1) % n == 1;先计算 a^u % n,再连续t次平方可得
    r = pow(a,u,n)
    if r != 1:
        while t > 1 and r != n-1:
            r = (r*r) % n
            t -= 1
        if r != n - 1:
            return False
    return True

原文地址:https://www.cnblogs.com/glad007/p/10808411.html

时间: 2024-10-17 22:10:00

素数判断算法(基于python实现)的相关文章

素数判断算法(python实现)

素数是只能被1与自身整除的数,根据定义,我们可以实现第一种算法. 算法一: def isprime(n): if n < 2: return False for i in range(2,int(math.sqrt(n))+1): if n % i == 0: return False return True 任意一个合数都可分解为素数因子的乘积,观察素数的分布可以发现:除 2,3 以外的素数必定分布在 6k (k为大于1的整数) 的两侧.6k % 6 == 0, (6k+2) % 2== 0,

复杂网络社区结构发现算法-基于python networkx clique渗透算法

前言 最近因为业务数据分析的需要,看社区发现相关的东东稍多些,刚刚写过一篇基于igraph C library的方法(http://km.oa.com/group/22323/articles/show/240332),然后想用kclique衍生的clique渗透算法时发现igraph C library 并未提供现成的api,对于懒人来说,这很不幸.既而发现networkx这个python包中是有的(且是唯一一个用于社区发现的算法),故而折腾折腾,记录下处理过程,供同道朋友们参考吧. 准备工作

素数测试算法(基于Miller-Rabin的MC算法) // Fermat素数测试法

在以往判断一个数n是不是素数时,我们都是采用i从2到sqrt(n)能否整除n.如果能整除,则n是合数;否则是素数.但是该算法的时间复杂度为O(sqrt(n)),当n较大时,时间性能很差,特别是在网络安全和密码学上一般都是需要很大的素数.而从目前来看,确定性算法判断素数的性能都不好,所以可以用MC概率算法来解决,其中Miller Rabin算法就是其中的很经典的解决方法.下面首先介绍下相关的数学理论. 数学原理 Fermat小定理:若n是素数,则对所有1≤a≤n-1的整数a,有a^(n-1)mod

八大排序算法---基于python

本文节选自:http://python.jobbole.com/82270/ 本文用Python实现了插入排序.希尔排序.冒泡排序.快速排序.直接选择排序.堆排序.归并排序.基数排序. 1.插入排序 描述 插入排序的基本操作就是将一个数据插入到已经排好序的有序数据中,从而得到一个新的.个数加一的有序数据,算法适用于少量数据的排序,时间复杂度为O(n^2).是稳定的排序方法.插入算法把要排序的数组分成两部分:第一部分包含了这个数组的所有元素,但将最后一个元素除外(让数组多一个空间才有插入的位置),

【机器学习算法实现】kNN算法__手写识别——基于Python和NumPy函数库

[机器学习算法实现]系列文章将记录个人阅读机器学习论文.书籍过程中所碰到的算法,每篇文章描述一个具体的算法.算法的编程实现.算法的具体应用实例.争取每个算法都用多种语言编程实现.所有代码共享至github:https://github.com/wepe/MachineLearning-Demo     欢迎交流指正! (1)kNN算法_手写识别实例--基于Python和NumPy函数库 1.kNN算法简介 kNN算法,即K最近邻(k-NearestNeighbor)分类算法,是最简单的机器学习算

【机器学习算法实现】logistic回归__基于Python和Numpy函数库

[机器学习算法实现]系列文章将记录个人阅读机器学习论文.书籍过程中所碰到的算法,每篇文章描述一个具体的算法.算法的编程实现.算法的具体应用实例.争取每个算法都用多种语言编程实现.所有代码共享至github:https://github.com/wepe/MachineLearning-Demo     欢迎交流指正! (2)logistic回归__基于Python和Numpy函数库 1.算法简介 本文的重点放在算法的工程实现上,关于算法的原理不具体展开,logistic回归算法很简单,可以看看A

有关素数判断的一些算法(总结&amp;&amp;对比)

素性测试是数论题中比较常用的一个技巧.它可以很基础,也可以很高级(哲学).这次主要要介绍一下有关素数判断的奇技淫巧 素数的判断主要分为两种:范围筛选型&&单个判断型 我们先从范围筛选型这种常用的开始讲起,这里采用模板题Luogu P3383 [模板]线性筛素数来进行测试 1.埃氏筛 这是最常用的筛法了,思路也很简单:任何一个素数的倍数都是合数 然后我们O(n)扫一遍,同时筛去素数的倍数 但是有一些数如6,会被2和3都筛去一次,就造成了效率上的浪费,所以复杂度经证明为**O(n log lo

判断一个数是否为质数/素数——从普通判断算法到高效判断算法思路

定义:约数只有1和本身的整数称为质数,或称素数. 计算机或者相关专业,基本上大一新生开始学编程都会接触的一个问题就是判断质数,下面分享几个判断方法,从普通到高效. 1)直观判断法 最直观的方法,根据定义,因为质数除了1和本身之外没有其他约数,所以判断n是否为质数,根据定义直接判断从2到n-1是否存在n的约数即可.C++代码如下: bool isPrime_1( int num ) { int tmp =num- 1; for(int i= 2;i <=tmp; i++) if(num %i==

基于Python技术栈的算法落地踩坑

背景介绍 在一些业务场景,我们需要把离线训练好的模型以微服务部署线上,如果是简单的使用sklearn pipeline,可以保存为XML格式的pmml供Java调用,在配置为4 core,8G内存的docker环境可以提供8K左右的高并发,并且这种docker可以快速大规模部署到PaaS云平台,优势相当明显,实际情况是算法人员会基于Python自定义lambda处理数据,而自定义的lambda是很难保存到pmml中的,并且很多公司的算法团队也是要求基于Python技术栈是 落地的. 踩坑过程 算