Miller-Rabin算法本质上是一种概率算法,存在误判的可能性,但是出错的概率非常小。出错的概率到底是多少,存在严格的理论推导。
费尔马小定理
- 如果
p
是质数且
(a,p)=1 ,则有 ap−1≡1(modp) 。
当然反过来不一定成立。即当 ap−1%p=1 时, p 未必是质数。但是这个概率比较小。所以利用费尔马小定理来检测素数,不能保证时刻都对,只能保证出错的概率比较小。
给定正整数n,问n是否为质数(显然只需判断正奇数),最基本的做法就是计算2n−1%n 是否为1。如果不是1,n肯定为合数;否则,n可能为质数。
有限域上的平方根定理
- 如果
p
是一个奇质数且
e≥1 ,则方程
x2≡1(modpe)
仅有两个根 x=1 或者 x=−1 ,注意到在模 p 的意义下,x=−1 等价于 x=p−1 , ±1 也称为1的平凡平方根 - 很容易有一个推论,如果对模n存在1的非平凡平方根,n一定是合数
Miller-Rabin算法
利用上面两个定理,就可以构造出Miller-Rabin算法。考虑到n肯定是奇数(偶数的情况自己想去),则n一定可以表示为
n−1=2s∗d
,其中
s≥1
且
d
是奇数。则
也就是说, an−1 相当于 ad 平方若干次。例如当 n=7 时, an−1 就是 a6 ,就是 a3 的平方。当 n=13 时, an−1 就是 a12 ,就是 a3 的平方的平方。
以 n=13 的情况进行说明(所有运算都是在模n的意义下,以下的文字说明省略了这一点),任取一个 a,1<a<13 ,计算 a3 ,再将其平方一次得到 a6 ,注意到 a3 是 a6 的平方根(废话),根据平方根定理的推论,如果 a6=1且a3≠±1 ,则 n 肯定是合数。将
为了增加得到正确判断的概率,可以将 a 重复取不同的值,对每一个
typedef long long llt;
//利用二进制计算a*b%mod
llt multiMod(llt a,llt b,llt mod){
llt ret = 0LL;
a %= mod;
while( b ){
if ( b & 1LL ) ret = ( ret + a ) % mod, --b;
b >>= 1LL;
a = ( a + a ) % mod;
}
return ret;
}
//计算a^b%mod
llt powerMod(llt a,llt b,llt mod){
llt ret = 1LL;
a %= mod;
while( b ){
if ( b & 1LL ) ret = multiMod(ret,a,mod),--b;
b >>= 1LL;
a = multiMod(a,a,mod);
}
return ret;
}
//Miller-Rabin测试,测试n是否为素数
bool Miller_Rabin(llt n,int repeat){
if ( 2LL == n || 3LL == n ) return true;
if ( !( n & 1LL ) ) return false;
//将n分解为2^s*d
llt d = n - 1LL;
int s = 0;
while( !( d & 1LL ) ) ++s, d>>=1LL;
srand((unsigned)time(0));
for(int i=0;i<repeat;++i){//重复repeat次
llt a = rand() % ( n - 3 ) + 2;//取一个随机数,[2,n-1)
llt x = powerMod(a,d,n);
llt y = 0LL;
for(int j=0;j<s;++j){
y = multiMod(x,x,n);
if ( 1LL == y && 1LL != x && n-1LL != x ) return false;
x = y;
}
if ( 1LL != y ) return false;
}
return true;
}