【算法实战】从试除法到质因数分解：性能优化全解析

1. 从试除法到质因数分解：算法优化的本质

第一次接触质因数分解问题时，我和大多数人一样，直接暴力遍历每个可能的因数。当处理数字30时，程序从2开始逐个检查：2能整除30吗？能！记录下2，然后30除以2得到15；继续检查3能整除15吗？能！记录3，15除以3得到5；最后5本身是质数，记录完成。看起来很简单对吧？但当我尝试用这种方法处理一个接近20亿的数字时，程序直接卡死了。

这里的关键在于理解时间复杂度的差异。暴力算法的时间复杂度是O(n)，意味着处理一个20亿的数字需要20亿次操作。而优化后的算法复杂度是O(√n)，只需要大约44721次操作——这个数字是20亿的平方根。实际测试中，前者需要几分钟才能完成的计算，后者几乎瞬间就能给出结果。

质因数分解的核心在于认识到：任何合数的质因数都不会超过它的平方根。举个例子，数字36的平方根是6，它的质因数2和3都小于等于6。即使像17这样的质数，虽然它没有小于其平方根的因数，但我们只需要检查到⌊√17⌋=4就能确认它是质数。这个数学特性让我们能大幅减少需要检查的数字范围。

2. 试除法的优化实战：从O(n)到O(√n)

2.1 基础试除法的局限性

让我们先看一个最朴素的实现：

python复制def prime_factors_naive(n):
    factors = []
    i = 2
    while i <= n:
        if n % i == 0:
            factors.append(i)
            n = n // i
        else:
            i += 1
    return factors

这个算法在处理数字98时会这样工作：

1. 98÷2=49 → 记录2
2. 49÷7=7 → 记录7
3. 7÷7=1 → 记录7
   最终得到[2,7,7]。但当n是很大的质数时（比如2147483647），它会愚蠢地检查每一个数字直到n本身。

2.2 平方根优化的关键突破

改进后的算法聪明得多：

python复制def prime_factors_optimized(n):
    factors = []
    i = 2
    while i * i <=