1. 为什么我们需要素数筛法？
在计算机科学和数学领域，素数（质数）一直扮演着重要角色。从古老的密码学到现代的公钥加密系统（如RSA），从哈希表的大小选择到随机数生成，素数无处不在。但如何高效地找出一定范围内的所有素数，却是一个值得深入研究的问题。
我第一次接触素数筛法是在大学的数据结构课上。当时老师让我们写一个程序找出100以内的所有素数，大多数同学都用了最朴素的试除法。当我看到埃拉托斯特尼筛法（埃氏筛）时，那种优雅和效率让我印象深刻。后来在工作中遇到需要处理大规模素数的问题时，又发现了更高效的欧拉筛（线性筛）。这些算法不仅仅是理论上的优化，在实际工程中也能带来显著的性能提升。
2. 最基础的试除法：理解素数判断的本质
2.1 试除法的基本原理
试除法是最直观的素数判断方法，其核心思想是：如果一个数n不能被2到√n之间的任何整数整除，那么它就是素数。这个方法的正确性基于素数的定义——只能被1和它本身整除的自然数。
cpp复制bool isPrime(int n) {
if (n <= 1) return false;
for (int i = 2; i * i <= n; ++i) {
if (n % i == 0) return false;
}
return true;
}
2.2 试除法的优化空间
虽然试除法简单易懂，但它的效率并不高。我们可以进行一些优化：
- 除了2以外，所有偶数都不是素数，所以可以先检查n是否为2，然后只检查奇数。
- 只需要检查到√n而不是n-1，因为如果n有大于√n的因数，那么它必然有一个小于√n的对应因数。
- 可以预先生质数表，只用质数去试除，但这又回到了"鸡生蛋蛋生鸡"的问题。
提示：在实际工程中，当n很大时（比如超过1e8），试除法会变得非常慢，这时候就需要更高效的筛法。
3. 埃拉托斯特尼筛法（埃氏筛）：筛法的经典之作
3.1 埃氏筛的基本思想
埃氏筛是古希腊数学家埃拉托斯特尼提出的一种筛选素数的方法。它的核心思想是：从2开始，将每个素数的所有倍数标记为合数，剩下的就是素数。
cpp复制vector<bool> sieveOfEratosthenes(int n) {
vector<bool> isPrime(n+1, true);
isPrime[0] = isPrime[1] = false;
for (int i = 2; i * i <= n; ++i) {
if (isPrime[i]) {
for (int j = i * i; j <= n; j += i) {
isPrime[j] = false;
}
}
}
return isPrime;
}
3.2 埃氏筛的时间复杂度分析
埃氏筛的时间复杂度是O(n log log n)，这比试除法的O(n√n)要好得多。但为什么是O(n log log n)呢？
这是因为调和级数的性质。对于每个素数p，我们需要标记n/p个数。总操作量大约是：
n/2 + n/3 + n/5 + n/7 + ... ≈ n (1/2 + 1/3 + 1/5 + ...) ≈ n log log n
3.3 埃氏筛的优化技巧
- 从i²开始标记：对于素数p，我们可以从p²开始标记，因为更小的倍数已经被更小的素数标记过了。
- 只处理奇数：除了2，所有偶数都不是素数，所以可以只处理奇数。
- 分段筛法：当n非常大时（比如1e12），可以将区间分段处理，减少内存使用。
4. 欧拉筛（线性筛）：效率的极致
4.1 欧拉筛的基本原理
欧拉筛，也称为线性筛，因为它能在O(n)的时间内完成筛选。它的核心思想是：每个合数只被它的最小质因数筛掉一次。
cpp复制vector<int> eulerSieve(int n) {
vector<int> primes;
vector<bool> isPrime(n+1, true);
for (int i = 2; i <= n; ++i) {
if (isPrime[i]) {
primes.push_back(i);
}
for (int j = 0; j < primes.size() && i * primes[j] <= n; ++j) {
isPrime[i * primes[j]] = false;
if (i % primes[j] == 0) break;
}
}
return primes;
}
4.2 为什么欧拉筛是线性的？
关键在于if (i % primes[j] == 0) break这一行。这确保了每个合数只被它的最小质因数筛掉一次：
- 当i是primes[j]的倍数时，i × primes[j+1]会被primes[j]筛掉，因为i = k × primes[j]，所以i × primes[j+1] = k × primes[j] × primes[j+1]，这个数会在i = k × primes[j+1]时被primes[j]筛掉。
- 因此，我们可以在i % primes[j] == 0时提前终止内层循环。
4.3 欧拉筛的实际应用
欧拉筛不仅高效，还能在筛素数的同时计算一些数论函数，如欧拉函数φ(n)、莫比乌斯函数μ(n)等。这在解决某些数学问题时非常有用。
cpp复制// 同时计算欧拉函数的欧拉筛
vector<int> eulerPhiSieve(int n) {
vector<int> phi(n+1), primes;
vector<bool> isPrime(n+1, true);
phi[1] = 1;
for (int i = 2; i <= n; ++i) {
if (isPrime[i]) {
primes.push_back(i);
phi[i] = i - 1;
}
for (int j = 0; j < primes.size() && i * primes[j] <= n; ++j) {
isPrime[i * primes[j]] = false;
if (i % primes[j] == 0) {
phi[i * primes[j]] = phi[i] * primes[j];
break;
} else {
phi[i * primes[j]] = phi[i] * (primes[j] - 1);
}
}
}
return phi;
}
5. 三种筛法的性能对比与选择建议
5.1 时间复杂度对比
| 算法名称 | 时间复杂度 | 空间复杂度 | 适用场景 |
|---|---|---|---|
| 试除法 | O(n√n) | O(1) | 单个数判断，小范围 |
| 埃氏筛 | O(n log log n) | O(n) | 中等规模(1e6-1e7) |
| 欧拉筛 | O(n) | O(n) | 大规模(1e7-1e8) |
5.2 内存使用分析
虽然欧拉筛的时间复杂度最优，但在实际应用中：
- 埃氏筛可以用位运算优化，将内存使用降低到n/8字节。
- 欧拉筛需要额外存储素数列表，内存使用略高。
- 对于特别大的n（如1e9以上），可能需要分段筛法来减少内存压力。
5.3 实际测试数据
在我的测试环境中（Intel i7-9700K, 16GB RAM）：
-
n=1e6:
- 试除法: ~500ms
- 埃氏筛: ~10ms
- 欧拉筛: ~5ms
-
n=1e7:
- 埃氏筛: ~150ms
- 欧拉筛: ~50ms
-
n=1e8:
- 埃氏筛: ~2000ms
- 欧拉筛: ~600ms
6. 筛法在实际工程中的应用案例
6.1 素数在密码学中的应用
RSA加密算法依赖于大素数的难分解性。虽然实际应用中我们使用概率性素数测试（如Miller-Rabin），但筛法在生成小素数表时仍然有用。
6.2 哈希表大小选择
哈希表的大小通常选择素数，以减少哈希冲突。使用筛法可以预生成一系列适合大小的素数。
6.3 竞赛编程中的常见问题
在编程竞赛中，素数筛法经常用于解决以下类型的问题：
- 统计区间内的素数数量
- 找出某个数的所有质因数
- 计算与素数相关的数论函数
- 解决模运算相关问题
7. 筛法的进阶话题与优化技巧
7.1 分段筛法处理超大范围
当需要筛选的区间非常大（如[1e12, 1e12+1e6]）时，可以使用分段筛法：
- 先用普通筛法筛出√R以内的素数
- 然后用这些素数去标记大区间内的合数
- 剩下的未标记的数就是素数
7.2 并行化筛法实现
埃氏筛和欧拉筛都可以并行化：
- 埃氏筛可以分块处理，不同线程处理不同的素数倍数
- 欧拉筛的并行化较为复杂，但可以通过分段处理实现
7.3 位运算优化
使用位向量代替布尔数组可以大幅减少内存使用：
cpp复制vector<uint32_t> sieveBits(n/32 + 1);
// 设置第i位为合数
sieveBits[i/32] |= (1 << (i%32));
// 检查第i位是否为素数
bool isPrime = !(sieveBits[i/32] & (1 << (i%32)));
8. 常见错误与调试技巧
8.1 边界条件处理
- 确保正确处理n=0和n=1的情况
- 注意数组大小应该是n+1而不是n
- 在欧拉筛中，内层循环的终止条件要正确
8.2 性能瓶颈分析
- 使用性能分析工具（如gprof）找出热点
- 缓存友好性：埃氏筛的内存访问模式比欧拉筛更规则
- 减少分支预测失败：欧拉筛中的if语句可能导致分支预测失败
8.3 验证正确性的方法
- 对小范围结果进行手工验证
- 使用已知的素数表进行对比
- 实现不同筛法互相验证
- 使用概率性测试（如Miller-Rabin）验证大素数
在实际项目中，我通常会先用埃氏筛快速实现功能，然后在性能测试阶段根据需要替换为欧拉筛。对于特别大的范围，分段筛法是唯一可行的选择。记住，没有最好的算法，只有最适合特定场景的算法。