


Bagaimanakah Penapisan Algoritma Eratosthenes Boleh Dioptimumkan untuk Penjanaan Nombor Perdana yang Lebih Cepat?
Ayak Eratosthenes
Ayak Eratosthenes ialah algoritma purba, tetapi ia masih digunakan hari ini sebagai cara yang mudah dan cekap untuk mencari semua nombor perdana di bawah nombor tertentu . Algoritma berfungsi dengan menandakan gandaan bagi setiap nombor perdana secara berulang, bermula dengan 2.
Berikut ialah pelaksanaan Python bagi Ayak Eratosthenes:
def sieve_of_eratosthenes(n): """Return a list of all prime numbers below n.""" # Create a list of all numbers from 2 to n. numbers = list(range(2, n + 1)) # Iterate over the numbers in the list. for i in range(2, int(n ** 0.5) + 1): # If the number is prime, mark off all its multiples. if numbers[i] != -1: for j in range(i * i, n + 1, i): numbers[j] = -1 # Return the list of prime numbers. return [i for i in numbers if i != -1]
Algoritma ini agak mudah untuk dilaksanakan, dan ia agak cekap. Sebagai contoh, ia boleh menemui semua nombor perdana di bawah 1 juta dalam kira-kira 0.1 saat pada komputer moden.
Kerumitan Masa
Kerumitan masa Ayakan Eratosthenes ialah O(n log log n) . Ini bermakna algoritma mengambil masa O(n) untuk mencipta senarai semua nombor daripada 2 hingga n, dan masa O(log log n) diperlukan untuk menandakan semua gandaan setiap nombor perdana.
Bolehkah ia dibuat dengan lebih pantas?
Terdapat beberapa cara untuk menjadikan Sieve of Eratosthenes sekata lebih pantas:
- Gunakan struktur data yang lebih cekap. Senarai semua nombor dari 2 hingga n boleh disimpan dalam struktur data yang lebih cekap, seperti vektor bit. Ini boleh mengurangkan keperluan ruang algoritma dan meningkatkan prestasinya.
- Gunakan algoritma penandaan yang lebih cekap. Algoritma untuk menandakan semua gandaan setiap nombor perdana boleh dibuat lebih cekap dengan menggunakan roda ayak. Ini boleh mengurangkan kerumitan masa algoritma kepada O(n).
- Selarikan algoritma. Algoritma boleh diselaraskan untuk memanfaatkan berbilang teras pada komputer moden. Ini boleh meningkatkan lagi prestasi algoritma.
Berikut ialah pelaksanaan Python bagi versi Sieve of Eratosthenes yang lebih pantas:
import numpy as np def sieve_of_eratosthenes_fast(n): """Return a list of all prime numbers below n.""" # Create a bit vector to store the prime numbers. primes = np.ones(n // 2 + 1, dtype=np.bool) # Mark off all the multiples of 2. primes[3::2] = False # Iterate over the odd numbers from 3 to n. for i in range(3, int(n ** 0.5) + 1, 2): # If the number is prime, mark off all its multiples. if primes[i // 2]: primes[i * i // 2::i] = False # Return the list of prime numbers. return [2] + [2 * i + 1 for i in range(1, n // 2 + 1) if primes[i]]
Algoritma ini lebih pantas daripada versi asal daripada Sieve of Eratosthenes, dan ia boleh menemui semua bilangan prima di bawah 1 juta dalam kira-kira 0.01 saat pada komputer moden.
Atas ialah kandungan terperinci Bagaimanakah Penapisan Algoritma Eratosthenes Boleh Dioptimumkan untuk Penjanaan Nombor Perdana yang Lebih Cepat?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Penyelesaian kepada Isu Kebenaran Semasa Melihat Versi Python di Terminal Linux Apabila anda cuba melihat versi Python di Terminal Linux, masukkan Python ...

Apabila menggunakan Perpustakaan Pandas Python, bagaimana untuk menyalin seluruh lajur antara dua data data dengan struktur yang berbeza adalah masalah biasa. Katakan kita mempunyai dua DAT ...

Bagaimana Mengajar Asas Pengaturcaraan Pemula Komputer Dalam masa 10 jam? Sekiranya anda hanya mempunyai 10 jam untuk mengajar pemula komputer beberapa pengetahuan pengaturcaraan, apa yang akan anda pilih untuk mengajar ...

Bagaimanakah Uvicorn terus mendengar permintaan HTTP? Uvicorn adalah pelayan web ringan berdasarkan ASGI. Salah satu fungsi terasnya ialah mendengar permintaan HTTP dan teruskan ...

Di Python, bagaimana untuk membuat objek secara dinamik melalui rentetan dan panggil kaedahnya? Ini adalah keperluan pengaturcaraan yang biasa, terutamanya jika perlu dikonfigurasikan atau dijalankan ...

Cara mengelakkan dikesan semasa menggunakan fiddlerevery di mana untuk bacaan lelaki-dalam-pertengahan apabila anda menggunakan fiddlerevery di mana ...

Artikel ini membincangkan perpustakaan Python yang popular seperti Numpy, Pandas, Matplotlib, Scikit-Learn, Tensorflow, Django, Flask, dan Permintaan, memperincikan kegunaan mereka dalam pengkomputeran saintifik, analisis data, visualisasi, pembelajaran mesin, pembangunan web, dan h

Fastapi ...
