Miller-Rabin素数测试

#include <iostream>
#include <cstdio>
#include <cstring>
using namespace std;
typedef long long LL;
const LL prime[12]={2,3,5,7,11,13,17,19,23,29,31,37};//结论:对于Long Long范围的素数只需要这些
LL mul(LL a,LL b,LL n){   //********************蒙哥马利算法,解决a*b%n的问题,将b二进制拆开“快速加”,避免了a*b溢出
  LL res=0;
  while (b){
    if (b&1) res=(res+a)%n;
    a=(a+a)%n;
    b>>=1;
  }
  return res;
}
LL pow(LL a,LL m,LL n){
  LL res=1;
  while (m){
    if (m&1) res=mul(res,a,n);
    a=mul(a,a,n);
    m>>=1;
  }
  return res;
}

bool Miller_Rabin(LL p){
  if (p==2) return 1;
  if (p==1 || p%2==0 ) return 0;
  LL k=0,e=p-1,s,i,j;
  while (e%2==0) k++,e/=2;
  for (i=0;i<12;i++){
    if (prime[i]==p) return 1;
    s=pow(prime[i],e,p);
    for (j=1;j<=k;j++){
      if (mul(s,s,p)==1 && !(s==1 || s==p-1)) return 0;//***************只有当X^2=1(MOD P)时才要二次剩余检验
      s=mul(s,s,p);
    }
    if (s!=1) return 0;//fermat检验
  }
  return 1;
}
int main()
{
    int t;
    LL x;
    scanf("%d",&t);
    while (t--) {
      scanf("%lld",&x);//****************************注意读入类型
      Miller_Rabin(x) ? printf("Yes"):printf("No");
      printf("\n");
    }
    return 0;
}

误判概率

经过独立的t轮Miller-Rabin算法将一个合数误判为素数的可能性不大于 (1/4)t,(正确实现的算法不会误判素数为合 数),这个误判概率在基于Fermat定理的算法中是最好的。
  这个误判概率是利用下面两个定理证明的:
   定 理 1 :设d=gcd(k,m) ,那么在有限群{g,g2,g3,?,gm=1}中(g是有限群的生成元,m是有限群的阶) 有d个元素x满足方程式xk=1。
   定 理 2 : 设p是一个奇素数,p-1=2sh(h是奇数),那么在乘法群(Z/pZ)*中满足方程式 x2rt=-1mod p(t是奇数 )的元素的个数是:0,如果r ≥s;2rgcd(h,t),如果r<s。 利用这两个定理,对算法输入n分3种情况讨论:
  (1)n可以被某个素数的平方整除的时候;
  (2)n是两个不同素数的乘积的时候;
  (3)n是两个以上不同素数乘积的时候。
  这样可以证明Miller-Rabin算法的误判概率上界。

优化实现

Miller-Rabin算法最为耗时的步骤在2.2模幂操作和2.3.2 循环。对算法的优化实现主要集中在对这两部分运算的优 化。对模幂操作的优化有两种途径:减少模幂算法中的模乘 操作和优化模乘操作。在求模幂的过程中不能先求幂最后一次求模,这样会产生一个十分巨大的中间结果,造成实际的 不可操作,所以在求模幂的算法中用模乘代替乘法,使得中 间结果的长度不超过模的长度。对模幂算法的优化,我们使 用改进的滑动窗口算法结合Montgomery模乘和模平方算法。
  表1给出模幂算法的比较。
模幂算法
预先计算
模平方
模乘法
 
模平方
模乘法
最坏情况
平均情况
平方乘算法
  滑动窗口类算法 改进的滑动窗口算法
0
  1
  1
0
  2k -3
  2k-1-1
t
  t-(k-1)≤次数≤t t-(k-1)≤次数≤t
t (t/k)-1 (t/k)-1
t/2 t/k(2k-1)/ 2k
  k
  ≤t/k(2 -1)/
* 模幂算法比较,其中k是窗口大小,根据情况 选择以达到最优,t是指数的二进制位数。 优化的模幂算法描述:
  输入: x,e=(e tet-1?e1e0)2,其中et=1,k≥1( 窗口大小)
  输出: xe mod n
  1、预计算
  1.1、x1← MontMul(x, R2,n),
  x2←MontSqu(x 1, n)
  1.2、对i 从1 到2k-1-1计算x2i+1←MontMul(x2i-1, x2,n)
  2、A←R,i ←t
  3、 当i≥ 0时作下面的操作:
  3.1、如果ei=0,A←MontSqu(A ,n),i← i-1
  3.2、否则找到最长的位串eiei-1?es使得i-s+1≤k并且es=1,计算
  3.2.1、A <-A2i-s+1 , (利 用MontSqu函数计算)
  3.2.2、A <-A*X(ee ...e )2 ,(利 用MontMul函数计算)
  3.2.3、i ←s-1
  4、A←MontMul(A ,1 ,n)
  5、返回A
  其中MontMul(x,y,n) 是Montgomery模乘函数,函数输出 结果为x*y*R-1 mod n,MontSqu(x,n) 是Montgomery模平方函 数,输出结果为x2R-1 mod n。模乘算法如果采用大整数乘法 和除法求模乘,因为涉及耗时的除法操作,所以要相对较 慢,结合大整数乘法和Barrett求模算法可以用2(n2+3n+1) 步 单精度乘法完成。使用Montgomery求模算法结合大整数乘法 算法,可以 在 2n(n+1) 步单精度乘法内完成算法。 Montgomery模平方的操作可以在3n(n+1) /2步单精度乘法内 完成,而Barrett模平方需要(3n(n+3)/2+1) 步单精度乘法。结 合改进的滑动窗口算法和Montgomery类算法,可以得到目前 非特殊情况下的最优的模幂算法。
  在Miller-Rabin算法的2.3.2循环中的模平方操作我们没有 使用Montgomery模平方算法,因为该算法给出的结果带有R-1这个参数,在2.3.2循环中处理掉这个参数将占整个循环运 行时间中的很大部分,尤其是在循环的控制参数s 相对较小的时候。我们在这里使用大整数平方算法结合Barrett求模算 法,2.3.2的循环最坏情况需要(s-1)(3n(n+3)/2+1)步单精度乘法。


  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值