质数传送与BFS结合的算法优化实践

1. 问题背景与核心挑战

这道算法题描述了一个有趣的场景：我们需要在一个整数数组中找到从起点到终点的最少跳跃次数，跳跃规则包含两种移动方式。第一种是常规的相邻位置移动（i+1或i-1），第二种则是基于质数的特殊传送机制——如果当前位置的数字是质数p，可以瞬间传送到数组中任何能被p整除的数字所在位置。

这种混合移动方式带来了几个关键挑战：

1. 质数判断与质因数分解的效率问题，特别是当数组长度和数值范围较大时（题目中n≤100000，nums[i]≤1000000）
2. 如何在跳跃过程中合理利用质数传送机制来优化路径
3. 确保找到的路径确实是跳跃次数最少的方案

2. 解决方案的整体架构

2.1 预处理阶段：质因数筛法

我们采用改进的埃拉托斯特尼筛法来预处理每个数的质因数。这个预处理的核心优势在于：

• 只需要执行一次全局初始化
• 后续查询任何数的质因数都是O(1)时间复杂度
• 空间复杂度控制在合理范围内（1,000,001个元素的数组）

go复制const mx = 1_000_001
var primeFactors = [mx][]int{}

func init() {
    for i := 2; i < mx; i++ {
        if primeFactors[i] == nil { // i是质数
            for j := i; j < mx; j += i {
                primeFactors[j] = append(primeFactors[j], i)
            }
        }
    }
}

2.2 构建质数分组索引

遍历输入数组，为每个质数建立位置索引表。这个步骤的关键点：

• 只处理真正的质数（质因数列表长度为1且大于1的数）
• 使用map[int][]int结构存储，键是质数，值是该质数出现的所有位置索引
• 这种结构为后续的BFS搜索提供了快速查询能力

go复制groups := map[int][]int{}
for i, x := range nums {
    if len(primeFactors[x]) == 1 && x > 1 {
        groups[x] = appen