我知道Miller–Rabin primality test是概率性的。但是我想将它用于programming task,不容错误。
如果输入数字是64位整数(即C中的long long
),我们可以假设它是非常正确的吗?
答案 0 :(得分:11)
Miller-Rabin确实是概率性的,但你可以任意交换计算时间的准确性。如果您测试的数字是素数,它将始终给出正确的答案。有问题的情况是数字是复合数,但据报道是素数。我们可以使用formula on Wikipedia限制此错误的概率:如果您随机选择k
个不同的基数并测试它们,则错误概率小于4 -k 。因此,即使使用k = 9
,您只有三分之一的错误机会。而且k = 40
左右就变得荒谬了。
也就是说,有一个deterministic version of Miller–Rabin,依赖于广义黎曼假设的正确性。对于范围你
最多2 64 ,只需检查a = 2, 3, 5, 7, 11, 13, 17, 19, 23
即可。 I have a C++ implementation online在许多编程竞赛中经过现场测试。这是无符号64位整数模板的实例化:
bool isprime(uint64_t n) { //determines if n is a prime number
const int pn = 9, p[] = { 2, 3, 5, 7, 11, 13, 17, 19, 23 };
for (int i = 0; i < pn; ++i)
if (n % p[i] == 0) return n == p[i];
if (n < p[pn - 1]) return 0;
uint64_t s = 0, t = n - 1;
while (~t & 1)
t >>= 1, ++s;
for (int i = 0; i < pn; ++i) {
uint64_t pt = PowerMod(p[i], t, n);
if (pt == 1) continue;
bool ok = 0;
for (int j = 0; j < s && !ok; ++j) {
if (pt == n - 1) ok = 1;
pt = MultiplyMod(pt, pt, n);
}
if (!ok) return 0;
}
return 1;
}
PowerMod
和MultiplyMod
只是在给定模数下乘以和取幂的基元,使用square-and-{multiply,add}。
答案 1 :(得分:6)
对于 n &lt; 2 ^ 64,可以对七个碱基2,325,9375,28178,450775,9780504和1795265022进行强伪测试,并完全确定 n 的素数;请参阅 http://miller-rabin.appspot.com/。
更快的素性测试对基数2执行强伪测试,然后进行Lucas伪调试。它只需要一次强伪测试的3倍,因此速度是7-base Miller-Rabin测试的两倍多。代码更复杂,但并不令人畏惧。
如果您有兴趣,我可以发布代码;请在评论中告诉我。
答案 2 :(得分:1)
在Miller-Rabin的每次迭代中,您需要选择一个随机数。如果你运气不好,这个随机数字不能揭示某些复合材料。一个小例子就是2^341 mod 341 = 2
,通过了测试
但是测试保证它只允许复合通过概率<1/4。因此,如果您使用不同的随机值运行64次测试,概率将降至2 ^( - 128)以下,这在实践中已足够。
你应该看一下Baillie–PSW primality test。虽然它可能有误报,但是没有已知的例子,根据维基百科已经verified,没有低于2 ^ 64的复合数通过测试。所以它应该符合你的要求。
答案 3 :(得分:1)
对64位值进行高效的deterministic variants MR测试 - 依赖于GRH - 通过利用GPU和其他已知结果进行了详尽的测试。
我已经列出了我编写的C程序的相关部分,它测试任何64位值的原始性:(n > 1)
,使用Jaeschke和Sinclair的基础为确定性MR变种。它利用gcc和clang的__int128
扩展类型进行求幂。如果不可用,则需要明确的例程。也许其他人会觉得这很有用......
#include <inttypes.h>
/******************************************************************************/
static int sprp (uint64_t n, uint64_t a)
{
uint64_t m = n - 1, r, y;
unsigned int s = 1, j;
/* assert(n > 2 && (n & 0x1) != 0); */
while ((m & (UINT64_C(1) << s)) == 0) s++;
r = m >> s; /* r, s s.t. 2^s * r = n - 1, r in odd. */
if ((a %= n) == 0) /* else (0 < a < n) */
return (1);
{
unsigned __int128 u = 1, w = a;
while (r != 0)
{
if ((r & 0x1) != 0)
u = (u * w) % n; /* (mul-rdx) */
if ((r >>= 1) != 0)
w = (w * w) % n; /* (sqr-rdx) */
}
if ((y = (uint64_t) u) == 1)
return (1);
}
for (j = 1; j < s && y != m; j++)
{
unsigned __int128 u = y;
u = (u * u) % n; /* (sqr-rdx) */
if ((y = (uint64_t) u) <= 1) /* (n) is composite: */
return (0);
}
return (y == m);
}
/******************************************************************************/
static int is_prime (uint64_t n)
{
const uint32_t sprp32_base[] = /* (Jaeschke) */ {
2, 7, 61, 0};
const uint32_t sprp64_base[] = /* (Sinclair) */ {
2, 325, 9375, 28178, 450775, 9780504, 1795265022, 0};
const uint32_t *sprp_base;
/* assert(n > 1); */
if ((n & 0x1) == 0) /* even: */
return (n == 2);
sprp_base = (n <= UINT32_MAX) ? sprp32_base : sprp64_base;
for (; *sprp_base != 0; sprp_base++)
if (!sprp(n, *sprp_base)) return (0);
return (1); /* prime. */
}
/******************************************************************************/
请注意,MR(sprp)测试会在迭代中略微修改为传递值,其中基数是候选者的倍数,如“备注”中所述。网站部分
更新虽然基本测试的答案次数少于Niklas',但重要的是要注意基础:{3, 5, 7, 11, 13, 17, 19, 23, 29}
提供便宜的测试,以便我们消除超过29 * 29 = 841
的候选人 -
只需使用GCD。
对于(n > 29 * 29)
,我们可以明确地消除任何偶数值 prime 。小素数的乘积:(3 * 5 * 7 * 11 * 13 * 17 * 19 * 23 * 29} = 3234846615
非常适合32位无符号值。 gcd(n, 3234846615)
比MR测试便宜很多!如果结果不 (1)
,则(n) > 841
的因素很小。
Merten(?)定理表明,这种简单的gcd(u64, u64)
测试消除了所有奇数候选者中的约68%(作为复合物)。如果您正在使用M-R搜索质数(随机或递增),而不仅仅是“一次性”。测试,这当然值得!
答案 4 :(得分:-1)
你的电脑并不完美;它具有有限的失败概率,从而产生不正确的计算结果。提供M-R测试给出错误结果的概率远远低于其他计算机失败的概率,那么你就没事了。没有理由在少于64次迭代的情况下运行M-R测试(误差为1 ^ 2 ^ 128)。大多数示例在前几次迭代中都会失败,因此只会对实际的质数进行全面测试。使用128次迭代获得1 in 2 ^ 256的错误机会。