素数

素数与合数的定义，见数论基础。

素数计数函数：小于或等于的素数的个数，用表示。随着的增大，有这样的近似结果：。

素数判定¶

我们自然地会想到，如何用计算机来判断一个数是不是素数呢？

暴力做法¶

自然可以枚举从小到大的每个数看是否能整除

// C++ Version
bool isPrime(a) {
  if (a < 2) return 0;
  for (int i = 2; i < a; ++i)
    if (a % i == 0) return 0;
  return 1;
}

# Python Version
def isPrime(a):
    if a < 2:
        return False
    for i in range(2, a):
        if a % i == 0:
            return False
    return True

这样做是十分稳妥了，但是真的有必要每个数都去判断吗？

很容易发现这样一个事实：如果是的约数，那么也是的约数。

这个结论告诉我们，对于每一对，只需要检验其中的一个就好了。为了方便起见，我们之考察每一对里面小的那个数。不难发现，所有这些较小数就是这个区间里的数。

由于肯定是约数，所以不检验它。

// C++ Version
bool isPrime(a) {
  if (a < 2) return 0;
  for (int i = 2; i * i <= a; ++i)
    if (a % i == 0) return 0;
  return 1;
}

# Python Version
def isPrime(a):
    if a < 2:
        return False
    for i in range(2, int(sqrt(a)) + 1):
        if a % i == 0:
            return False
    return True

素性测试¶

素性测试(Primality test）是一类在 不对给定数字进行素数分解（prime factorization）的情况下，测试其是否为素数的算法。

素性测试有两种：

确定性测试：绝对确定一个数是否为素数。常见示例包括 Lucas-Lehmer 测试和椭圆曲线素性证明。
概率性测试：通常比确定性测试快很多，但有可能（尽管概率很小）错误地将合数识别为质数（尽管反之则不会）。因此，通过概率素性测试的数字被称为 可能素数，直到它们的素数可以被确定性地证明。而通过测试但实际上是合数的数字则被称为 伪素数。有许多特定类型的伪素数，最常见的是费马伪素数，它们是满足费马小定理的合数。概率性测试的常见示例包括 Miller–Rabin 测试。

接下来我们将着重介绍几个概率性素性测试：

Fermat 素性测试¶

Fermat 素性检验 是最简单的概率性素性检验。

我们可以根据费马小定理得出一种检验素数的思路：

基本思想是不断地选取在中的基，并检验是否每次都有

// C++ Version
bool millerRabin(int n) {
  if (n < 3) return n == 2;
  // test_time 为测试次数,建议设为不小于 8
  // 的整数以保证正确率,但也不宜过大,否则会影响效率
  for (int i = 1; i <= test_time; ++i) {
    int a = rand() % (n - 2) + 2;
    if (quickPow(a, n - 1, n) != 1) return 0;
  }
  return 1;
}

# Python Version
def millerRabin(n):
    if n < 3:
        return n == 2
    # test_time 为测试次数,建议设为不小于 8
    # 的整数以保证正确率,但也不宜过大,否则会影响效率
    for i in range(1, test_time + 1):
        a = random.randint(0, 32767) % (n - 2) + 2
        if quickPow(a, n - 1, n) != 1:
            return False
    return True

如果但不是素数，则被称为以为底的 伪素数。我们在实践中观察到，如果，那么通常是素数。但这里也有个反例：如果且，即使是合数，有。事实上，是最小的伪素数基数。

很遗憾，费马小定理的逆定理并不成立，换言之，满足了，也不一定是素数。

卡迈克尔数¶

上面的做法中随机地选择，很大程度地降低了犯错的概率。但是仍有一类数，上面的做法并不能准确地判断。

对于合数，如果对于所有正整数，和互素，都有同余式成立，则合数为 卡迈克尔数（Carmichael Number），又称为 费马伪素数。

比如，就是一个卡迈克尔数。

而且我们知道，若为卡迈克尔数，则也是一个卡迈克尔数，从而卡迈克尔数的个数是无穷的。（OEIS:A006931）

Miller-Rabin 素性测试¶

Miller-Rabin 素性测试（Miller–Rabin primality test）是进阶的素数判定方法。它是由 Miller 和 Rabin 二人根据费马小定理的逆定理（费马测试）优化得到的。因为和许多类似算法一样，它是使用伪素数的概率性测试，我们必须使用慢得多的确定性算法来保证素性。然而，实际上没有已知的数字通过了高级概率性测试（例如 Rabin-Miller）但实际上却是复合的。因此我们可以放心使用。

对数 n 进行 k 轮测试的时间复杂度是，利用 FFT 等技术可以优化到。

二次探测定理¶

如果是奇素数，则的解为或者。

要证明该定理，只需将上面的方程移项，再使用平方差公式，得到，即可得出上面的结论。

实现¶

根据卡迈克尔数的性质，可知其一定不是。

不妨将费马小定理和二次探测定理结合起来使用：

将中的指数分解为，在每轮测试中对随机出来的先求出，之后对这个值执行最多次平方操作，若发现非平凡平方根时即可判断出其不是素数，否则通过此轮测试。

这样得到了较正确的 Miller Rabin：（来自 fjzzq2002）

// C++ Version
bool millerRabin(int n) {
  if (n < 3 || n % 2 == 0) return n == 2;
  int a = n - 1, b = 0;
  while (a % 2 == 0) a /= 2, ++b;
  // test_time 为测试次数,建议设为不小于 8
  // 的整数以保证正确率,但也不宜过大,否则会影响效率
  for (int i = 1, j; i <= test_time; ++i) {
    int x = rand() % (n - 2) + 2, v = quickPow(x, a, n);
    if (v == 1) continue;
    for (j = 0; j < b; ++j) {
      if (v == n - 1) break;
      v = (long long)v * v % n;
    }
    if (j >= b) return 0;
  }
  return 1;
}

# Python Version
def millerRabin(n):
    if n < 3 or n % 2 == 0:
        return n == 2
    a, b = n - 1, 0
    while a % 2 == 0:
        a = a // 2
        b = b + 1
    j = 0
    # test_time 为测试次数,建议设为不小于 8
    # 的整数以保证正确率,但也不宜过大,否则会影响效率
    for i in range(1, test_time + 1):
        x = random.randint(0, 32767) % (n - 2) + 2
        v = quickPow(x, a, n)
        if v == 1:
            continue
        for j in range(0, b):
            if v == n - 1:
                break
            v = v * v % n
        if j >= b:
            return False
    return True

反素数¶

如果某个正整数满足如下条件，则称为是 反素数：任何小于的正数的约数个数都小于的约数个数

注：注意区分 emirp，它是用来表示从后向前写读是素数的数。

简介¶

其实顾名思义，素数就是因子只有两个的数，那么反素数，就是因子最多的数（并且因子个数相同的时候值最小），所以反素数是相对于一个集合来说的。

我所理解的反素数定义就是，在一个集合中，因素最多并且值最小的数，就是反素数。

那么，如何来求解反素数呢？

首先，既然要求因子数，我首先想到的就是素因子分解。把分解成的形式，其中是素数，为他的指数。这样的话总因子个数就是。

但是显然质因子分解的复杂度是很高的，并且前一个数的结果不能被后面利用。所以要换个方法。

我们来观察一下反素数的特点。

反素数肯定是从开始的连续素数的幂次形式的乘积。
数值小的素数的幂次大于等于数值大的素数，即中，有

解释：

如果不是从开始的连续素数，那么如果幂次不变，把素数变成数值更小的素数，那么此时因子个数不变，但是的数值变小了。交换到从开始的连续素数的时候值最小。
如果数值小的素数的幂次小于数值大的素数的幂，那么如果把这两个素数交换位置（幂次不变），那么所得的因子数量不变，但是的值变小。

另外还有两个问题，

对于给定的，要枚举到哪一个素数呢？

最极端的情况大不了就是，所以只要连续素数连乘到刚好小于等于就可以的呢。再大了，连全都一次幂，都用不了，当然就是用不到的啦！
我们要枚举到多少次幂呢？

我们考虑一个极端情况，当我们最小的素数的某个幂次已经比所给的（的最大值）大的话，那么展开成其他的形式，最大幂次一定小于这个幂次。unsigned long long 的最大值是 2 的 64 次方，所以我这边习惯展开成 2 的 64 次方。

细节有了，那么我们具体如何具体实现呢？

我们可以把当前走到每一个素数前面的时候列举成一棵树的根节点，然后一层层的去找。找到什么时候停止呢？

当前走到的数字已经大于我们想要的数字了
当前枚举的因子已经用不到了（和重复了嘻嘻嘻）
当前因子大于我们想要的因子了
当前因子正好是我们想要的因子（此时判断是否需要更新最小）

然后 dfs 里面不断一层一层枚举次数继续往下迭代可以。

常见题型¶

求因子数一定的最小数

例题 Codeforces 27E. A number with a given number of divisors

求具有给定除数的最小自然数。请确保答案不超过。

解题思路

对于这种题，我们只要以因子数为 dfs 的返回条件基准，不断更新找到的最小值就可以了

参考代码

#include <stdio.h>
unsigned long long p[16] = {
    2,  3,  5,  7,  11, 13, 17, 19,
    23, 29, 31, 37, 41, 43, 47, 53};  //根据数据范围可以确定使用的素数最大为53

unsigned long long ans;
unsigned long long n;

// depth: 当前在枚举第几个素数
// temp: 当前因子数量为 num的时候的数值
// num: 当前因子数
// up：上一个素数的幂，这次应该小于等于这个幂次嘛
void dfs(unsigned long long depth, unsigned long long temp,
         unsigned long long num, unsigned long long up) {
  if (num > n || depth >= 16) return;  //边界条件
  if (num == n && ans > temp) {        //取最小的ans
    ans = temp;
    return;
  }
  for (int i = 1; i <= up; i++) {
    if (temp * p[depth] > ans)
      break;  //剪枝：如果加一个这个乘数的结果比ans要大，则必不是最佳方案
    dfs(depth + 1, temp = temp * p[depth], num * (i + 1),
        i);  //取一个该乘数，进行对下一个乘数的搜索
  }
}

int main() {
  scanf("%llu", &n);
  ans = ~(unsigned long long)0;
  dfs(0, 1, 1, 64);
  printf("%llu\n", ans);
  return 0;
}

求 n 以内因子数最多的数

例题 ZOJ - More Divisors

大家都知道我们使用十进制记数法，即记数的基数是。历史学家说这是因为人有十个手指，也许他们是对的。然而，这通常不是很方便，十只有四个除数——、、和。因此，像、或这样的分数不便于用十进制表示。从这个意义上说，以、甚至为底会方便得多。主要原因是这些数字的除数要大得多——分别是、和。请回答：除数最多的不超过的数是多少？