杜教筛及其时间复杂度分析

杜教筛

杜教筛用于求一类积性函数的前缀和，时间复杂度可以做到 $O(n^{\frac{2}{3}})$。

方法

设我们要求的是积性函数函数 $f(x)$ 的前缀和 $S(n)={\sum }_{i=1}^{n}f(i)$。
我们取一个积性函数 $g$（$g$ 具体是什么由 $f$ 决定，但这不影响推式子）则 $$\begin{array}{rl}\sum _{i=1}^n(f\ast g)(i)=& \sum _{i=1}^n\sum _{d|i}g(d)f\left(\frac{i}{d}\right)\\ =& \sum _{d=1}^{n}g(d)\sum _{d|i}f\left(\frac{i}{d}\right)\\ =& \sum _{d=1}^{n}g(d)\sum _{j=1}^{\lfloor \frac{n}{d}\rfloor }f(j)\\ =& \sum _{d=1}^{n}g(d)S\left(\lfloor \frac{n}{d}\rfloor \right)\end{array}$$ 要求 $S(n)$，所以尝试计算 $$\begin{array}{rl}g(1)S(n)=& \sum _{d=1}^{n}g(d)S\left(\lfloor \frac{n}{d}\rfloor \right)-\sum _{d=2}^{n}g(d)S\left(\lfloor \frac{n}{d}\rfloor \right)\\ =& \sum _{i=1}^n(f\ast g)(i)-\sum _{d=2}^{n}g(d)S\left(\lfloor \frac{n}{d}\rfloor \right)\end{array}$$ 也就是说如果 $(f\ast g)$ 和 $g$ 的前缀和都能很快地算，后面那个数论分块，我们就可以得到 $S(n)$ 了！

举例

莫比乌斯函数

$f=\mu$，注意到 $\mu \ast 1=\epsilon$，$1(x)=1$ 和 $\epsilon (x)=[x=1]$ 的前缀和都很显然，于是取 $g=1$ 即可。

欧拉函数

$f=\phi$，注意到 $\phi \ast 1=i$，$1(x)=1$ 和 $i(x)=x$ 的前缀和都很显然，于是取 $g=1$ 即可。

时间复杂度

只考虑 $g$ 和 $f\ast g$ 的前缀和能够 $O(1)$ 计算的情况。设 $T(n)$ 为计算 $S(n)$ 的时间复杂度（大 $O$ 记号），有 $$\begin{array}{rl}T(n)=& O\left(\sqrt{n}\right)+\sum _{i=2}^{\sqrt{n}}\left(T(i)+T\left(\frac{n}{i}\right)\right)\\ =& O\left(\sqrt{n}\right)+\sum _{i=2}^{\sqrt{n}}\left(O\left(\sqrt{i}\right)+\sum _{j=2}^{\sqrt{i}}T(j)+O\left(\sqrt{\frac{n}{i}}\right)+\sum _{j=2}^{\sqrt{\frac{n}{i}}}T(j)\right)\end{array}$$ 其中 $O\left(\sqrt{n}\right)$ 是该层合并复杂度。

通常用的大 $O$ 记号是渐进时间复杂度，可以理解为 $n\to \infty$ 的时间消耗，也可以作为最坏时间复杂度理解，因此通常用的大 $O$ 记号的定义是：假设程序进行常数运算的次数为 $\varphi (n)$，存在一个函数 $\tau (n)$ 使得 $\underset{n\to \infty }{\lim }\frac{\varphi (n)}{\tau (n)}=C$，其中 $C$ 是一个 非零 常数，那么该程序时间复杂度为 $O(\tau (n))$。在数学上称 $\varphi (n)$ 和 $\tau (n)$ 是同阶的。

因此从定义可以看出，大 $O$ 记号是忽略了高阶无穷小的，只保留同阶无穷。

如果 $\underset{x\to \infty }{\lim }\frac{\alpha (x)}{\beta (x)}=0$，则称 $\beta (x)$ 比 $\alpha (x)$ 低阶无穷小；
如果 $\underset{x\to \infty }{\lim }\frac{\alpha (x)}{\beta (x)}=C\ne 0$，$C$ 是常数，则称 $\beta (x)$ 是 $\alpha (x)$ 的同阶无穷小；
如果 $\underset{x\to \infty }{\lim }\frac{\alpha (x)}{\beta (x)}=\infty$，则称 $\beta (x)$ 比 $\alpha (x)$ 高阶无穷小。

由于 $\underset{n\to \infty }{\lim }\frac{n^{\frac{1}{2}}}{n^{\frac{1}{4}}}=\underset{n\to \infty }{\lim }{n}^{\frac{1}{4}}=\infty$，所以 $\sqrt{\sqrt{n}}$ 相对 $\sqrt{n}$ 是高阶无穷小量，对于大 $O$ 记号可以忽略，所以 $$\begin{array}{rl}T(n)=& O\left(\sqrt{n}\right)+\sum _{i=2}^{\sqrt{n}}\left(O\left(\sqrt{i}\right)+O\left(\sqrt{\frac{n}{i}}\right)\right)\end{array}$$ （粗略估计）由均值不等式 $\sqrt{i}+\sqrt{\frac{n}{i}}\ge 2\sqrt{\sqrt{i\frac{n}{i}}}=2n^{\frac{1}{4}}$，于是 $\sum _{i=2}^{\sqrt{n}}\left(O\left(\sqrt{i}\right)+O\left(\sqrt{\frac{n}{i}}\right)\right)\ge n^{\frac{1}{2}}{n}^{\frac{1}{4}}=n^{\frac{3}{4}}$，于是 $T(n)=O\left(n^{\frac{3}{4}}\right)$。

但是我们可以先线性筛预处理出一部分前缀和，这样某些前缀和就能之间查询了。假设我们预处理了前 $m$ 个前缀和，那么复杂度变为 $$\begin{array}{rl}T(n)=& O(m)+O\left(\sqrt{n}\right)+\sum _{i=2}^{\sqrt{n}}\left(\left[\sqrt{i}>m\right]O\left(\sqrt{i}\right)+\left[\sqrt{\frac{n}{i}}>m\right]O\left(\sqrt{\frac{n}{i}}\right)\right)\end{array}$$ 让 $m\ge n^{\frac{1}{4}}$（在一定限度内 $m$ 肯定越大越好），那么 $$\begin{array}{rl}T(n)=& O(m)+O\left(\sqrt{n}\right)+\sum _{i=2}^{\sqrt{n}}\left[\sqrt{\frac{n}{i}}>m\right]O\left(\sqrt{\frac{n}{i}}\right)\\ =& O(m)+O\left(\sqrt{n}\right)+\sum _{i=2}^{\frac{n}{m^2}}O\left(\sqrt{\frac{n}{i}}\right)\\ \ge & O(m)+O\left(\sqrt{n}\right)+O\left(\frac{n\sqrt{n}}{m^2}\right)\end{array}$$ 当 $m=n^{\frac{2}{3}}$ 时能取到最优复杂度 $O(n^{\frac{2}{3}})$。

因此杜教筛的时间复杂度为 $O(n^{\frac{2}{3}})$。