素数筛法

素数筛法

引入

如果我们想要知道小于等于 $n$ 有多少个素数呢？

一个自然的想法是对于小于等于 $n$ 的每个数进行一次质数检验。这种暴力的做法显然不能达到最优复杂度。

埃拉托斯特尼筛法

过程

考虑这样一件事情：对于任意一个大于 $1$ 的正整数 $n$，那么它的 $x$ 倍就是合数（$x>1$）。利用这个结论，我们可以避免很多次不必要的检测。

如果我们从小到大考虑每个数，然后同时把当前这个数的所有（比自己大的）倍数记为合数，那么运行结束的时候没有被标记的数就是素数了。

实现

vector<int> prime;
bool is_prime[N];

void Eratosthenes(int n) {
    is_prime[0] = is_prime[1] = false;
    for (int i = 2; i <= n; ++i) is_prime[i] = true;
    for (int i = 2; i <= n; ++i) {
        if (is_prime[i]) {
            prime.push_back(i);
            if ((long long)i * i > n) continue;
            for (int j = i * i; j <= n; j += i)
                // 因为从 2 到 i - 1 的倍数我们之前筛过了，这里直接从 i
                // 的倍数开始，提高了运行速度
                is_prime[j] = false;  // 是 i 的倍数的均不是素数
        }
    }
}

以上为 Eratosthenes 筛法（埃拉托斯特尼筛法，简称埃氏筛法），时间复杂度是 $O(n\log \log n)$。

现在我们就来看看推导过程：

如果每一次对数组的操作花费 1 个单位时间，则时间复杂度为：
$$O\left(\sum _{k=1}^{\pi (n)}\frac{n}{p_k}\right)=O\left(n\sum _{k=1}^{\pi (n)}\frac{1}{p_k}\right)$$

其中 $p_k$ 表示第 $k$ 小的素数，$\pi (n)$ 表示 $\le n$ 的素数个数。${\sum }_{k=1}^{\pi (n)}$ 表示第一层 for 循环，其中累加上界 $\pi (n)$ 为 if (prime[i]) 进入 true 分支的次数；$\frac{n}{p_k}$ 表示第二层 for 循环的执行次数。

根据 Mertens 第二定理，存在常数 $B_1$ 使得：

$$\sum _{k=1}^{\pi (n)}\frac{1}{p_k}=\log \log n+B_1+O\left(\frac{1}{\log n}\right)$$

所以 Eratosthenes 筛法 的时间复杂度为 $O(n\log \log n)$。接下来我们证明 Mertens 第二定理的弱化版本 ${\sum }_{k\le \pi (n)}1/p_k=O(\log \log n)$：

根据 $\pi (n)=\Theta (n/\log n)$，可知第 $n$ 个素数的大小为 $\Theta (n\log n)$。于是就有

$$\begin{array}{rl}\sum _{k=1}^{\pi (n)}\frac{1}{p_k}& =O\left(\sum _{k=2}^{\pi (n)}\frac{1}{k\log k}\right)\\ & =O\left({\int }_2^{\pi (n)}\frac{\mathrm{d}x}{x\log x}\right)\\ & =O(\log \log \pi (n))=O(\log \log n)\end{array}$$

当然，上面的做法效率仍然不够高效，应用下面几种方法可以稍微提高算法的执行效率。

筛至平方根

显然，要找到直到 $n$ 为止的所有素数，仅对不超过 $\sqrt{n}$ 的素数进行筛选就足够了。

vector<int> prime;
bool is_prime[N];
void Eratosthenes(int n) {
    is_prime[0] = is_prime[1] = false;
    for (int i = 2; i <= n; ++i) is_prime[i] = true;
    // i * i <= n 说明 i <= sqrt(n)
    for (int i = 2; i * i <= n; ++i) {
        if (is_prime[i])
            for (int j = i * i; j <= n; j += i) is_prime[j] = false;
    }
    for (int i = 2; i <= n; ++i)
        if (is_prime[i]) prime.push_back(i);
}

这种优化不会影响渐进时间复杂度，实际上重复以上证明，我们将得到 $n\ln \ln \sqrt{n}+o(n)$，根据对数的性质，它们的渐进相同，但操作次数会明显减少。

只筛奇数

因为除 2 以外的偶数都是合数，所以我们可以直接跳过它们，只用关心奇数就好。

首先，这样做能让我们内存需求减半；其次，所需的操作大约也减半。

减少内存的占用

我们注意到筛选时只需要 bool 类型的数组。bool 数组的一个元素一般占用 $1$ 字节（即 $8$ 比特），但是存储一个布尔值只需要 $1$ 个比特就足够了。

我们可以使用 位运算 的相关知识，将每个布尔值压到一个比特位中，这样我们仅需使用 $n$ 比特（即 $\frac{n}{8}$ 字节）而非 $n$ 字节，可以显著减少内存占用。

但是，这种称为 位级压缩 的方法会使这些位的操作复杂化。任何位上的读写操作都需要多次算术运算，最终会使算法变慢。因此，这种方法只有在 $n$ 特别大，以至于我们不能再分配内存时才合理。在这种情况下，我们将牺牲效率，通过显著降低算法速度以节省内存（减小到原来的 $\frac{n}{8}$）。

值得一提的是，存在自动执行位级压缩的数据结构，如 C++ 中的 vector<bool> 和 bitset<>（参见 bitset: 与埃氏筛结合）。

分块筛选

由优化「筛至平方根」可知，不需要一直保留整个 is_prime[1...n] 数组。为了进行筛选，只保留到 $\sqrt{n}$ 的素数就足够了，即 prime[1...sqrt(n)]。并将整个范围分成块，每个块分别进行筛选。这样，我们就不必同时在内存中保留多个块，而且 CPU 可以更好地处理缓存。

设 $s$ 是一个常数，它决定了块的大小，那么我们就有了 $\lceil \frac{n}{s}\rceil$ 个块，而块 $k$($k=0\dots \lfloor \frac{n}{s}\rfloor$) 包含了区间 $[ks,ks+s-1]$ 中的数字。我们可以依次处理块，也就是说，对于每个块 $k$，我们将遍历所有质数（从 $1$ 到 $\sqrt{n}$）并使用它们进行筛选。

值得注意的是，我们在处理第一个数字时需要稍微修改一下策略：首先，应保留 $[1,\sqrt{n}]$ 中的所有的质数；第二，数字 $0$ 和 $1$ 应该标记为非素数。在处理最后一个块时，不应该忘记最后一个数字 $n$ 并不一定位于块的末尾。

以下实现使用块筛选来计算小于等于 $n$ 的质数数量。

实现：

int count_primes(int n) {
   const int S = 10000;
   vector<int> primes;
   int nsqrt = sqrt(n);
   vector<char> is_prime(nsqrt + 1, true);
   for (int i = 2; i <= nsqrt; i++) {
       if (is_prime[i]) {
           primes.push_back(i);
           for (int j = i * i; j <= nsqrt; j += i) is_prime[j] = false;
       }
   }
   int result = 0;
   vector<char> block(S);
   for (int k = 0; k * S <= n; k++) {
       fill(block.begin(), block.end(), true);
       int start = k * S;
       for (int p : primes) {
           int start_idx = (start + p - 1) / p;
           int j = max(start_idx, p) * p - start;
           for (; j < S; j += p) block[j] = false;
       }
       if (k == 0) block[0] = block[1] = false;
       for (int i = 0; i < S && start + i <= n; i++) {
           if (block[i]) result++;
       }
   }
   return result;
}

分块筛法的渐进时间复杂度与埃氏筛法是一样的（除非块非常小），但是所需的内存将缩小为 $O(\sqrt{n}+S)$，并且有更好的缓存结果。
另一方面，对于每一对块和区间 $[1,\sqrt{n}]$ 中的素数都要进行除法，而对于较小的块来说，这种情况要糟糕得多。
因此，在选择常数 $S$ 时要保持平衡。

块大小 $S$ 取 $10^4$ 到 $10^5$ 之间，可以获得最佳的速度。

线性筛法

埃氏筛法仍有优化空间，它会将一个合数重复多次标记。有没有什么办法省掉无意义的步骤呢？答案是肯定的。

如果能让每个合数都只被标记一次，那么时间复杂度就可以降到 $O(n)$ 了。

实现：

vector<int> pri;
bool not_prime[N];

void pre(int n) {
    for (int i = 2; i <= n; ++i) {
        if (!not_prime[i]) {
            pri.push_back(i);
        }
        for (int pri_j : pri) {
            if (i * pri_j > n) break;
            not_prime[i * pri_j] = true;
            if (i % pri_j == 0) {
                // i % pri_j == 0
                // 换言之，i 之前被 pri_j 筛过了
                // 由于 pri 里面质数是从小到大的，所以 i 乘上其他的质数的结果一定会被
                // pri_j 的倍数筛掉，就不需要在这里先筛一次，所以这里直接 break
                // 掉就好了
                break;
            }
        }
    }
}

上面的这种 线性筛法 也称为 Euler 筛法（欧拉筛法）。

筛法求欧拉函数

注意到在线性筛中，每一个合数都是被最小的质因子筛掉。比如设 $p_1$ 是 $n$ 的最小质因子，$n^{\prime }=\frac{n}{p_1}$，那么线性筛的过程中 $n$ 通过 $n^{\prime }\times p_1$ 筛掉。

观察线性筛的过程，我们还需要处理两个部分，下面对 $n^{\prime }\mathrm{mod}{p}_1$ 分情况讨论。

如果 $n^{\prime }\mathrm{mod}{p}_1=0$，那么 $n^{\prime }$ 包含了 $n$ 的所有质因子。

$$\begin{array}{rl}\phi (n)& =n\times \prod _{i=1}^s\frac{p_i-1}{p_i}\\ & \\ & =p_1\times n^{\prime }\times \prod _{i=1}^s\frac{p_i-1}{p_i}\\ & \\ & =p_1\times \phi (n^{\prime })\end{array}$$

那如果 $n^{\prime }\mathrm{mod}{p}_1\ne 0$ 呢，这时 $n^{\prime }$ 和 $p_1$ 是互质的，根据欧拉函数性质，我们有：

$$\begin{array}{rl}\phi (n)& =\phi (p_1)\times \phi (n^{\prime })\\ & \\ & =(p_1-1)\times \phi (n^{\prime })\end{array}$$

实现

vector<int> pri;
bool not_prime[N];

void pre(int n) {
    for (int i = 2; i <= n; ++i) {
        if (!not_prime[i]) {
            pri.push_back(i);
        }
        for (int pri_j : pri) {
            if (i * pri_j > n) break;
            not_prime[i * pri_j] = true;
            if (i % pri_j == 0) {
                // i % pri_j == 0
                // 换言之，i 之前被 pri_j 筛过了
                // 由于 pri 里面质数是从小到大的，所以 i 乘上其他的质数的结果一定会被
                // pri_j 的倍数筛掉，就不需要在这里先筛一次，所以这里直接 break
                // 掉就好了
                break;
            }
        }
    }
}

筛法求莫比乌斯函数

定义

根据莫比乌斯函数的定义，设 $n$ 是一个合数，$p_1$ 是 $n$ 的最小质因子，$n^{\prime }=\frac{n}{p_1}$，有：

$$\mu (n)=\{\begin{array}{ll}0& n^{\prime }\mathrm{mod}{p}_1=0\\ & \\ -\mu (n^{\prime })& \text{otherwise}\end{array}$$

若 $n$ 是质数，有 $\mu (n)=-1$。

实现

vector<int> pri;
bool not_prime[N];
int mu[N];

void pre(int n) {
    mu[1] = 1;
    for (int i = 2; i <= n; ++i) {
        if (!not_prime[i]) {
            mu[i] = -1;
            pri.push_back(i);
        }
        for (int pri_j : pri) {
            if (i * pri_j > n) break;
            not_prime[i * pri_j] = true;
            if (i % pri_j == 0) {
                mu[i * pri_j] = 0;
                break;
            }
            mu[i * pri_j] = -mu[i];
        }
    }
}