一篇文章彻底搞懂线性筛（素数筛）##C语言

本文需要求解的问题是：输入一个数字n，输出比n小的所有素数。

基础

我们不着急开始线性筛的证明，从基础开始，先来了解一下什么是素数，什么是合数。

合数和因数

假定有一个数x，它能被两个数相乘表达出来，即a*b=x，而且这个a、b都不为0，那么这个数x就是合数，与此同时a、b就是它的两个因数。

素数

假定有一个数x，它只能被1和它本身相乘所表示，那么这个数就是素数。

由此，我们知道了一个概念：自然数的集合是由素数和合数两种数组合起来的。

 质因数

既是质数也是因数的数就是质因数。

例如，5是一个质数，同时也是25的因数，那么这个数也就是25的一个质因数。

 整除

除法都会吧？

如果有a*b=c，我们就称c能够整除a或者a能够整除b。我们记作c|b或者c|a。

记住上面的基础知识，这对于你接下来对每个方法的理解很重要！

接下来我们从暴力破解到一点点的优化到素数筛的发展逐一的介绍：

暴力求解

想要判断一个数是不是素数，从他的定义入手：

假定有一个数x，它只能被1和它本身相所表示，那么这个数就是素数。

我们就看看它有没有除了1和它本身之外的因数呗，直接循环遍历比他小的所有值就可以了：

#include <stdio.h>

int main() {
  int n;
  int flag = 1;  //1：默认值，认为当前遍历到的值为素数
  scanf("%d", &n);
  for (int i = 2; i <= n; i++) {
      for (int j = 2; j < i; j++) { 
        if (i % j == 0) { //发现当前遍历到的值有其他的因数，不是素数flag = 0
          flag = 0;
          break; //并且不再循环
        }
      }
      if (flag) printf("%d\n", i); //输出素数
      flag = 1; //为下一次循环做准备，重新将flag置为1
  }
  return 0;
}

这就是最简单的暴力破解算法，对于每一个数我们都去寻找比他小的“可能存在的因数”，当然，你也可以发现：偶数一定不是素数的，1、11、111、1111一定都是素数，基于此你也可以产生很多优化：但是今天的主题并不是这个，再此就不细究。

真正的筛——埃式筛

普通的暴力破解有个特点：

我们一直在关注素数的特性，想着如何去将素数找出来，但是却忽略了合数。

假设我们将所有的合数都进行标记，那剩下的数不就都是素数了吗？

根据合数的定义我们知道：合数一定存在不为1和它本身的因数，那么假设有一个数q，那么1q，2q，3q，4q...一定是合数呀！

基于此，真正的筛，诞生了！

我们观察自然数，0和1不去考虑，他们本身就不是合数，那么2是一个素数，既然这样，我们就把2的倍数全部标记！这些数都是合数！

之后发现3是素数，那么3的所有倍数也都是合数！继续标记！

......

如何用代码来表示我们的想法呢？

我们可以开辟一块足够大的空间，也就是一个数组，这个数组各部分的语义如下：

• 下标：表示每一个数字
• 存储内容：表示对应下标数字的状态，也就是说是否为素数

接下来举个例子：

假如我们想要输出100之前的所有素数，我们的数组就要大于100，初始时每个存储空间存储的都为0，表示我们假定所有数都是素数（就像一个筛糠的过程，一开始糠全部在筛子上面）。

然后依次遍历每一个值，从2开始，我们发现2是素数，那么接下来我们就取循环标记数组中下标为2的倍数的值，将他们存储的空间中记为1，表示他们为合数。

遍历到3，继续去标记3的倍数，以此类推......

代码如下：

#include <stdio.h>
#include <math.h>

int book[1000000] = {0}; //数组

int main() {
    int n;
    int temp; //标记过程中遍历到的倍数的最大值
    scanf("%d", &n);
    for(int i = 2; i <= n; i++) {
        temp = n / i;  //倍数的最大值就是输入数字n除以当前素数
        if(!book[i]) {
            for (int j = 2; j <= temp; j++) {
                book[j * i] = 1;
            }
        }
    }
    for(int i = 2; i <= n; i++) {
        if (!book[i]) printf("%d\n", i); // 循环输出所有素数
        else continue;
    }
    return 0;
}

我们会发现一个问题：

当i = 2 => 2i=4,3i=6,4i=8...
当i = 3 => 2i=6,3i=9,4i=12...
当i = 4 => 2i=8...

发现了吗？我们似乎重复标记了一些数字，那该怎么解决这个问题呢？

接下来就是埃式筛的升级版，也是最终版——线性筛：

线性筛

我们来分析一下重复标记的原因：在上面的埃式筛中，当我们遇到素数后，将它的倍数全部标记，由此可以推断：一个数被重复标记的原因是因为它是不同质数的因数。

也就是说，我们使用了多个质因数去标记了这个合数。

例如：

12被2和3标记过，30被2、3、5同时标记过。

分析出了原因，优化方向就呼之欲出了：

我们只要使用最小质因数去标记这个数（十分重要，这是线性筛的核心原理所在）就行了，具体该怎么做呢？

具体来说就是维护一个标记数组 arr 和一个已有素数数组 primes ，然后，我们从2开始遍历所有数 i ，并且：（接下来这两条好好理解！！核心部分！！）

①把遇到所有未被标记为合数的数 i （埃式筛中从小到大遍历时遇到的一个个质数）存到 primes 里去；

②以 i 为第一个因子，分别以 primes 里每个质数 j 为第二个因子，求积，可以断定 j∗i 必为合数，故标记之；同时，若 mod(i,j)==0 ，说明 j 是 i∗j 的一个质因数，又因为 primes 数组中的元素是递增的， j 是第一个可以除断 i 的，故可断定 j 是 i 的最小质因数，同时也是 i∗j 的最小质因数，那么更进一步也可断定j 之后的质数 j′ 一定不是 i∗j′ 的最小质因数，故结束 primes 的遍历。

上代码：

#include <stdio.h>
#include <math.h>

int    arr[1000000] = {0};  //对应上面的埃式筛的book数组
int primes[1000000] = {0};  //用于存储目前发现的质数的数组
int main() {
    int n, pos = 0; //n的语义没变，pos表示primes数组中存放个数，同时对应其下标，从1开始
    scanf("%d", &n);
    for (int i = 2; i <= n; i++) {
        if(!arr[i]) primes[++pos] = i; //同埃式筛，如果未被标记，那么这个数为素数，放入primes数组
        for (int j = 1; j <= pos; j++) {  //这一部分是标记部分，对应我文章中写的两条来理解！！
            if (i * primes[j] > n) break;  //超出范围，停止循环
            arr[i * primes[j]] = 1; // 记住，我们始终只让最小的质因数作为因数去标记后面的数字！！
            if (i % primes[j] == 0) break; //灵魂语句，当发现i能被该质数整除时，那么这个primes[i]就是最小质因数，我们让最小质因数去标记的目的达到了，结束循环！
        }
    }
    for (int i = 2; i <= n; i++) {
        if (!arr[i]) printf("%d\n", i);
    }
    return 0;
}

这个图片说明了线性筛的执行过程（从左到右从上到下）:

红色是被优化的部分。

为了帮助理解，我们根据代码过程和前几个数进行一下过程模拟：

我们分块进行：

首先，所有的数都默认为素数，i 从2开始遍历，

2为素数，丢到primers数组中。

接下来开始标记环节：当前i为2，数组中只有2

因此只遍历一个值：2 * 2 = 4，此时4被标记；

此时2 % 2 = 0，停止循环，说明4的最小质因数是2

接下来，i 遍历到3，

3也是素数，丢到primers数组中。

标记环节：i 为3，数组中有2、3两个值

2 * 3 = 6， 3 * 3 = 9，此时6和9被标记

此时3 % 3 = 0，停止循环，说明9的最小质因数是3

接下来，i 遍历到4，

4不是素数，跳过

接下来，i 遍历到5，

5也是素数，丢到primers数组中。

标记环节：i 为5，数组中有2、3、5两个值

2 * 5 = 10， 3 * 5 = 15，5 * 5 = 25此时10和15和25被标记

此时5 % 5 = 0，停止循环，说明25的最小质因数是5

 ......

线性筛的改进实际上就是“每个合数只被它的最小质因数筛去”，但实现的时候需要以下两个逻辑支撑：

一、每个合数只筛一次

①算法特性决定了找到的素数只能从自身开始乘。比如找到素数5时，它的2、3、4倍已经删不到了，这样避免了重复删。（虽然单独列出但也可以合并进②）

②if(i%primers[j]==0)break;语句实现不重复删。证明很简单，自然数 i 从最小素数2开始乘，         i×primers[j] 以每个 primers[j] 为最小质因数，直到 primers[j] 整除 i 时，i×primers[j] 还是以primers[j]为最小质因数，但下一个数 i×primers[j+1]=(i/primers[j])×primers[j]×primers[j+1]中primers[j+1]就不是最小质因数了，所以不必继续乘了。

二、不能干扰到运用埃氏筛核心原理找素数

①与②共同实现不重复筛的同时导致了素数倍数的缺失，比如程序运行到s7时，7是个标记素数（没被当合数删除），那么素数2、3、5要从2倍一直删到倍数大于7才能保证7确实是个素数，但明眼的看表就知道缺失了好多素数倍数啊，怎么能证明这些缺失不影响素数的确定呢？

证明：首先①②中不重复筛的合数最终会出现在图表中（延迟删去）。设L是标记素数，把小于L的所有素数倍数放入集合Q中，用q表示Q中任意素数倍数，则q<L<2L，由于图中素数倍数的大小排列特性，q<2L意味着小于L的素数倍数都会在步骤s(L)之前被删去，这样得证①和②不影响素数的确定。因L不被小于它的所有素数整除，所以L是素数。

综上就是线性筛的算法逻辑，为证明它需要考虑的出乎意料地多，理解“if(i%primers[j]==0)break;”语句也才仅仅是理解皮毛（值得一提的是，即使删去此语句，余下的部分也是相当优秀的程序）。

 

 

线性筛部分参考博客：

一图看懂线性筛原理 - 知乎 (zhihu.com)       

关于从埃氏筛到线性筛你不会想知道的那些事（证明，慎入） - 知乎 (zhihu.com)