列出 N 以下所有素数的最快方法:探索
问题:
确定列出所有素数的最快方法小于给定整数的素数N.
问题:
可以优化给定的算法以加快执行速度吗?
答案:
提供的算法可以显着提高速度。各种实现的比较表明,使用 Psyco 的 rwh_primes1 对于生成小于 1,000,000 的素数来说是最有效的。
其他发现:
- 没有 Psyco,rwh_primes2 就会出现作为最快的方法。
- 利用 NumPy 可以进一步增强性能,primesfrom2to 被证明是所有测试方法中最快的。
实现细节:
- ambi_sieve_plain:一个简单的基于筛子的
- rwh_primes、rwh_primes1 和 rwh_primes2:Robert William Hanks 算法的变体。
- sieve_wheel_30:针对基于 30 的计算进行优化的专用算法。
- sieveOfEratosthenes:带 bitset 的经典筛法优化。
- sieveOfAtkin:利用模算术的现代筛选。
- sundaram3:Sundaram 算法,针对较小数字集进行优化。
- ambi_sieve:基于 NumPy 的筛选方法优化。
- primesfrom3to 和primesfrom2to:基于 NumPy 的算法,用于高效生成素数。
计时:
方法 | 使用 Psyco 的时间(毫秒) | 不使用 Psyco 的时间(毫秒)心理 | ||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
rwh_primes1 | 43.0 | 93.7 | ||||||||||||||||||||||||||||||||||||
sieveOfAtkin | 46.4 | 314.0 | ||||||||||||||||||||||||||||||||||||
rwh_primes | 57 .4 | 94.6 | ||||||||||||||||||||||||||||||||||||
sieve_wheel_30 | 63.0 | 97.4 | rwh_primes2 | 67.8 | 68.1 | |||||||||||||||||||||||||||||||||
埃拉托斯特尼筛 | 147.0178.0 | |||||||||||||||||||||||||||||||||||||
ambi_sieve_plain | 152.0 | 286.0 | ||||||||||||||||||||||||||||||||||||
sundaram3 | 194.0 | 416.0 | ||||||||||||||||||||||||||||||||||||
primesfrom2to |
|
不适用 | ||||||||||||||||||||||||||||||||||||
primesfrom3to | 18.4 | 不适用 | ||||||||||||||||||||||||||||||||||||
ambi_sieve | 29.3 | 不适用 |
以上是生成低于给定整数 N 的所有素数的最快算法是什么?的详细内容。更多信息请关注PHP中文网其他相关文章!

Linux终端中查看Python版本时遇到权限问题的解决方法当你在Linux终端中尝试查看Python的版本时,输入python...

本文解释了如何使用美丽的汤库来解析html。 它详细介绍了常见方法,例如find(),find_all(),select()和get_text(),以用于数据提取,处理不同的HTML结构和错误以及替代方案(SEL)

Python 对象的序列化和反序列化是任何非平凡程序的关键方面。如果您将某些内容保存到 Python 文件中,如果您读取配置文件,或者如果您响应 HTTP 请求,您都会进行对象序列化和反序列化。 从某种意义上说,序列化和反序列化是世界上最无聊的事情。谁会在乎所有这些格式和协议?您想持久化或流式传输一些 Python 对象,并在以后完整地取回它们。 这是一种在概念层面上看待世界的好方法。但是,在实际层面上,您选择的序列化方案、格式或协议可能会决定程序运行的速度、安全性、维护状态的自由度以及与其他系

本文比较了Tensorflow和Pytorch的深度学习。 它详细介绍了所涉及的步骤:数据准备,模型构建,培训,评估和部署。 框架之间的关键差异,特别是关于计算刻度的

Python的statistics模块提供强大的数据统计分析功能,帮助我们快速理解数据整体特征,例如生物统计学和商业分析等领域。无需逐个查看数据点,只需查看均值或方差等统计量,即可发现原始数据中可能被忽略的趋势和特征,并更轻松、有效地比较大型数据集。 本教程将介绍如何计算平均值和衡量数据集的离散程度。除非另有说明,本模块中的所有函数都支持使用mean()函数计算平均值,而非简单的求和平均。 也可使用浮点数。 import random import statistics from fracti

该教程建立在先前对美丽汤的介绍基础上,重点是简单的树导航之外的DOM操纵。 我们将探索有效的搜索方法和技术,以修改HTML结构。 一种常见的DOM搜索方法是EX

本文指导Python开发人员构建命令行界面(CLIS)。 它使用Typer,Click和ArgParse等库详细介绍,强调输入/输出处理,并促进用户友好的设计模式,以提高CLI可用性。

本文讨论了诸如Numpy,Pandas,Matplotlib,Scikit-Learn,Tensorflow,Tensorflow,Django,Blask和请求等流行的Python库,并详细介绍了它们在科学计算,数据分析,可视化,机器学习,网络开发和H中的用途


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

Dreamweaver CS6
视觉化网页开发工具

记事本++7.3.1
好用且免费的代码编辑器

安全考试浏览器
Safe Exam Browser是一个安全的浏览器环境,用于安全地进行在线考试。该软件将任何计算机变成一个安全的工作站。它控制对任何实用工具的访问,并防止学生使用未经授权的资源。

SublimeText3 英文版
推荐:为Win版本,支持代码提示!

ZendStudio 13.5.1 Mac
功能强大的PHP集成开发环境