這篇文章主要介紹了Python素數檢測的方法,實例分析了Python素數檢測的相關技巧,需要的朋友可以參考下,具體如下:
因子偵測:
偵測因子,時間複雜度O(n^(1/2))
def is_prime(n): if n < 2: return False for i in xrange(2, int(n**0.5+1)): if n%i == 0: return False return True
費馬小定理:
如果n是質數,a是小於n的任意正整數,那麼a的n次方與a模n同餘
實作方法:
選出一個底數(例如2 ),對於大整數p,若2^(p-1)與1不是模p同餘數,則p必須不是質數;否則,則p很可能為質數
2**(n-1)% n 不是一個容易計算的數字
模運算規則:
(a^b) % p = ((a % p)^b) % p (a * b) % p = (a % p * b % p) % p
計算X^N(% P)
#可以
如果N是偶數,那麼X^ N =(X*X)^[N/2];
如果N是奇數,則X^N = X*X^(N-1) = X *(X*X)^[N/2] ;
def xn_mod_p(x, n, p): if n == 0: return 1 res = xn_mod_p((x*x)%p, n>>1, p) if n&1 != 0: res = (res*x)%p return res
也可以歸納為下面的演算法兩個函數是一樣的
def xn_mod_p2(x, n, p): res = 1 n_bin = bin(n)[2:] for i in range(0, len(n_bin)): res = res**2 % p if n_bin[i] == '1': res = res * x % p return res
有了模冪運算快速處理就可以實現費馬偵測
費馬測試當給出否定結論時,是準確的,但是肯定結論有可能是錯誤的,對於大整數的效率很高,並且誤判率隨著整數的增大而降低
def fermat_test_prime(n): if n == 1: return False if n == 2: return True res = xn_mod_p(2, n-1, n) return res == 1
MILLER-RABIN偵測
Miller-Rabin偵測是目前應用比較廣泛的一種
二次偵測定理:如果p是一個質數,且0
這就是Miller-Rabin素性測試的方法。不斷地提取指數n-1中的因子2,把n-1表示成d*2^r(其中d是奇數)。那我們需要計算的東西就變成了a的d*2^r次方除以n的餘數。於是,a^(d * 2^(r-1))要麼等於1,要麼等於n-1。如果a^(d * 2^(r-1))等於1,定理繼續適用於a^(d * 2^(r-2)),這樣就不斷開方開下去,直到對某個i滿足a^ (d * 2^i) mod n = n-1或最後指數中的2用完了得到的a^d mod n=1或n-1。這樣,Fermat小定理加強為如下形式:
盡可能提取因子2,把n-1表示成d*2^r,如果n是素數,那麼或a^d mod n=1,或存在某個i使得a^(d*2^i) mod n=n-1 ( 0<=i 定理:若n是質數,a是小於n的正整數,則n對以a為基的Miller測試,結果為真. 以上是如何使用Python檢測素數實例說明的詳細內容。更多資訊請關注PHP中文網其他相關文章!
Miller測試進行k次,將合數當成素數處理的錯誤機率最多不會超過4^(-k)def miller_rabin_witness(a, p):
if p == 1:
return False
if p == 2:
return True
#p-1 = u*2^t 求解 u, t
n = p - 1
t = int(math.floor(math.log(n, 2)))
u = 1
while t > 0:
u = n / 2**t
if n % 2**t == 0 and u % 2 == 1:
break
t = t - 1
b1 = b2 = xn_mod_p2(a, u, p)
for i in range(1, t + 1):
b2 = b1**2 % p
if b2 == 1 and b1 != 1 and b1 != (p - 1):
return False
b1 = b2
if b1 != 1:
return False
return True
def prime_test_miller_rabin(p, k):
while k > 0:
a = randint(1, p - 1)
if not miller_rabin_witness(a, p):
return False
k = k - 1
return True