[科技]$Miller\\_Rabin$ 和 $Pollard\\_Rho$ 及各种玄学优化

[科技]$Miller\_Rabin$ 和 $Pollard\_Rho$ 及各种玄学优化

[科技] $Miller\_Rabin$ 和 $Pollard\_Rho$

先讲$Miller\_Rabin$吧，$Miller\_Rabin$是用来检验素数的高效算法。

我们先要知道两个定理：

费马小定理：当$p$为质数时，$x^{p - 1} \equiv 1 \ \ (mod \ \ p)$。但这只是一个充分条件，但不是必要条件。即就算$x$和$p$互质，那么$x^{p - 1}$不一定在模$p$意义下同余于$1$。
$Fermat$定理：若$p$为奇素数，且$0 < x < p$，那么$x ^ 2 \equiv 1 \ \ (mod \ \ p)$的解为$x = 1$或$x = p - 1$。这个还是比较好证明的，移项可得$x ^ 2 - 1 \equiv 0$，即$(x - 1)(x + 1) \equiv 0$，可得$p | (x - 1)(x + 1)$。而$p$是质数，那么可知$x = 1$或$x = p - 1$。

首先我们根据费马小定理就可以排除大量的合数了，即如果存在$x$，不满足$x ^ {p - 1} \equiv 1$，则$p$就不是质数了。但是之前也说过，这个并不是一个必要条件，所以也存在满足费马小定理的合数，这种数叫做$Carmichael$数。最小的$Carmichael$数是$561$，对于任意的数，都有$x ^ {560} \equiv 1$，而$561 = 3 * 11 * 17$。$Carmichael$数使得我们无法使用费马小定理来判断一个数是否为素数。

然后$Miller\_Rabin$算法就是优化了这一点，尝试使用多次判定来提高正确性。当我们判断了一个数满足了费马小定理之后，我们继续判断$x ^ { (p - 1) / 2} \equiv 1$是否正确。于是我们就得出了一个算法：我们将$p - 1$表示成$2 ^ s * t$的形式，然后选取几个比较小的质数$pri$，从$pri ^ t$开始，依次判断$pri ^ t, pri ^ {2t},pri ^ {4t} \dots$等等是否满足这个同余式。如果对于所有取的素数都满足时，就可以确定这个数大概率是个素数了。经过测试发现，对于$int$范围以内的数，取出小于$30$的素数来验证就可以保证完全正确的判断出是否为素数，在$long\ \ long$范围内的错误的概率也是可以忽略不计的。

再来讲讲$Phollard\_Rho$，他是基于$Miller\_Rabin$的一种分解质因数的方法，同时也是基于随机化的方法，期望复杂度为$O(n ^ {\frac{1}{4}})$，但实际情况下的复杂度也是个玄学，似乎表现的非常优秀。

假设我们需要对于$x$分解质因数，我们先通过$Miller\_Rabin$素性测试判断给定的$x$是否为素数。然后开始$Pollard\_Rho$进行分解。

我们先要了解的是$Pollard\_Rho$是将某合数$x$分解为两个非平凡因子$a, b$（$1$ 和 $x$为平凡因子）的算法。如果需要对$x$分解质因数，那么递归下去做就行了。

先思考一下平时的$O(\sqrt n)$分解质因数的方法，即枚举$2$到$\sqrt n$的质因数，判断是否能被整除。实际上一个数的质因数是$log$级别的，所以我们其中的枚举很多都是无用枚举。考虑如何来优化这个枚举方法。

有一个悖论叫做生日悖论，意思是在一个人数为$23$人的班级中，存在两个人生日相同的概率接近$0.5$，而在人数大约为$60$人的班级中，存在两个人生日相同的概率已经非常接近$1$了。这虽然与实际非常不相符，但是简单计算一下发现的确是这样。以$23$人为例，我们计算没有两个人生日相同的概率$P = \frac{365}{365} * \frac{364}{365} * \frac{363}{365} * \dots * \frac{365 - 22}{365}$，此时的$P$大约为$0.49$。

举一个简单的例子就是假设我们需要在$[1, 100]$之间选一个数，那么选到$39$的概率为$1 \%$，但是如果我们选择两个数$a, b$，使得$| a - b | = 39$，那么概率就变成了$2 \%$。

这给了我们启发，我们在选择测试因子时，也采用这种组合随机采样方法。我们随机两个数$a, b$，判断$gcd( | a - b |, n)$是否大于1，如果大于$1$，则我们找到了一个因子，这样会大大提高我们找到因子的概率。

那么我们该如何生成这些随机数呢？$Pollard\_Rho$通过伪随机数的方法来提供待测因子，即选定一个起始数字$x_0$，以及一个常数$c$，通过$x_i = x_{i - 1} ^ 2 + c\ \ (mod \ \ n)$的方法来生成一系列的随机因子。至于为什么选用这个函数呢？似乎是这个函数在带入复数之后迭代得出的点集叫曼德勃罗集，这个集合又与混沌系统有关，即这个集合中的一系列数字非周期又不收敛，这使得这个函数生成的随机数非常优秀。并且这些生成的随机数，每一个都完全依赖于前一个数字，那么在迭代了一定次数之后，一定会出现循环。所以当我们出现循环的时候，就重新设置$x_0$与$c$，继续检测，这是不用系统的$rand$函数的一个原因，因为系统的随机并不一定会出现循环。而这个循环也构成了一个像$\rho$一样的形状，这也是其名称后缀$Rho$的来源。

然后我们就可以设计一个基于倍增的随机算法了，每次在$\rho$的路径上取$[2 ^ {k - 1}, 2 ^ k]$这段区间，然后对于所有的$i \in [2 ^ {k - 1}, 2 ^ k]$，判断$gcd(x_i - x_{2^{k - 1}}, n)$是否大于1，如果大于1，则找到了一个因子，返回即可。这样既可以不在$\rho$的环上停留太久，也可以减少$gcd$的次数。

于是我们得出了$Pollard\_Rho$的大致算法：

对于需要检验的数$n$，用$Miller\_Rabin$进行素性测试，如果是素数，则直接返回即可，否则进入第二步。
随机生成数$x_0, c$，然后开始倍增的判断$x_i - x_l$与$n$是否有公因数，如果找到了公因数，返回即可。若已经出现了循环，则返回$n$，表示该次探查失败，并重复2步骤。

这样我们就可以非常快速的写出$Pollard\_Rho$的算法了，这里放出例题

Code：

#pragma GCC optimize (2, "inline", "Ofast")
#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
const int pri[] = {2, 3, 5, 7, 11, 13, 17, 19, 23, 29};
int T;
ll n, ans = 0;

ll QMul(ll x, ll y, ll Md) {
  ll ans = 0;
  for(; y; y >>= 1, x = (x + x) % Md) if(y & 1) ans = (ans + x) % Md;
  return ans;
}

ll Qpow(ll x, ll y, ll Md) {
  ll ans = 1;
  for(; y; y >>= 1, x = QMul(x, x, Md)) if(y & 1) ans = QMul(ans, x, Md);
  return ans;
}

bool Miller_Rabin(ll x) {
  if(x == 2) return 1;
  if(!(x & 1) || x == 1) return 0;
  ll s = 0, t = x - 1;
  while(!(t & 1)) {
    t >>= 1;
    s ++;
  }
  for(int i = 0; i < 10 && pri[i] < x; i++) {
    ll a = pri[i], b = Qpow(a, t, x);
    ll k;
    for(int j = 1; j <= s; j++) {
      k = QMul(b, b, x);
      if(k == 1 && b != 1 && b != x - 1) return 0;
      b = k;
    }
    if(b != 1) return 0;
  }
  return 1;
}

ll Gcd(ll a, ll b) {
  return !b ? a : Gcd(b, a % b);
}

ll Pollard_Rho(ll n, ll c) {
  ll x = 1ll * rand() * rand() % (n - 2) + 1, y = x;
  int i = 1, k = 2;
  while(1) {
    i++;
    x = QMul(x, x, n);
    x = (x + c) % n;
    ll G = Gcd(y - x, n);
    if(G > 1 && G < n) return G;
    if(y == x) return n;
    if(i == k) {
      y = x;
      k <<= 1;
    }
  }
}


void Find(ll x, ll c) {
  if(x == 1 || x < ans) return ;
  if(Miller_Rabin(x)) return (void) (ans = max(ans, x));
  ll p = x;
  while(p == x) p = Pollard_Rho(p, c--);
  while(x % p == 0) x /= p;
  Find(p, c); Find(x, c);
}

int main() {
  srand(2333);
  scanf("%d", &T);
  while(T--) {
    scanf("%lld", &n);
    ans = 0;
    bool f = Miller_Rabin(n);
    if(f) {
      puts("Prime");
      continue;
    }
    Find(n, 1000000);
    printf("%lld\n", ans);
  }
  return 0;
}

~~好的……本科技讲解到此结束~~
$nmdwsm!!!$
为什么交到$luogu$的模板题上$T$飞了！！本机$0.7s$ $luogu$上居然$T$了，难以置信……

于是我们开始漫漫的卡常优化之旅……

首先注意到我们在乘法的时候为了防止$long\ \ long$相乘导致溢出的情况，我们使用了龟速乘……实际上它确实是龟速，我们在乘法时强转成$\_\_int128$，就可以避免溢出的情况了。

Code：

#pragma GCC optimize (2, "inline", "Ofast")
#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
const int pri[] = {2, 3, 5, 7, 11, 13, 17, 19, 23, 29};
int T;
ll n, ans = 0;

ll Qpow(ll x, ll y, ll Md) {
  ll ans = 1;
  for(; y; y >>= 1, x = x * x % Md) if(y & 1) ans = ans * x % Md;
  return ans;
}

bool Miller_Rabin(ll x) {
  if(x == 2) return 1;
  if(!(x & 1) || x == 1) return 0;
  ll s = 0, t = x - 1;
  while(!(t & 1)) {
    t >>= 1;
    s ++;
  }
  for(int i = 0; i < 10 && pri[i] < x; i++) {
    ll a = pri[i], b = Qpow(a, t, x);
    ll k;
    for(int j = 1; j <= s; j++) {
      k = (__int128)b * b % x;
      if(k == 1 && b != 1 && b != x - 1) return 0;
      b = k;
    }
    if(b != 1) return 0;
  }
  return 1;
}

ll Gcd(ll a, ll b) {
  return !b ? a : Gcd(b, a % b);
}

ll Pollard_Rho(ll n, ll c) {
  ll x = 1ll * rand() * rand() % (n - 2) + 1, y = x;
  int i = 1, k = 2;
  while(1) {
    i++;
    x = (__int128)x * x % n;
    x = (x + c) % n;
    ll G = Gcd(y - x, n);
    if(G > 1 && G < n) return G;
    if(y == x) return n;
    if(i == k) {
      y = x;
      k <<= 1;
    }
  }
}


void Find(ll x, ll c) {
  if(x == 1 || x < ans) return ;
  if(Miller_Rabin(x)) return (void) (ans = max(ans, x));
  ll p = x;
  while(p == x) p = Pollard_Rho(p, c--);
  while(x % p == 0) x /= p;
  Find(p, c); Find(x, c);
}

int main() {
  srand(2333);
  scanf("%d", &T);
  while(T--) {
    scanf("%lld", &n);
    ans = 0;
    bool f = Miller_Rabin(n);
    if(f) {
      puts("Prime");
      continue;
    }
    Find(n, 1000000);
    printf("%lld\n", ans);
  }
  return 0;
}

于是我们修改之后再次交一发：

$nmdwsm!!!$为什么这样就快了那么多啊……真是

然后发现最后一个点我们死活跑不过去~~md真毒瘤~~。然后我们继续考虑优化算法。发现整个算法的复杂度的瓶颈在于$Pollard\_Rho$中$gcd$上，虽然我们用了倍增算法减少了$gcd$的次数，但是这个复杂度仍然是无法承受的。但是需要注意到一件事情，我们只需要知道$x$的一个因子即可，并不需要做出规定一定是某个。然后一个显然的结论就是，根据欧几里得算法，$gcd(a, b) > 1 \to gcd(a * c \% b, b) > 1$。所以我们可以把一次倍增中所有的随机因子都乘起来之后，一起做一次$gcd$，这样原本是互质的，现在仍然互质，原本存在公因数的，现在仍然存在。这样就可以大大减少$gcd$的次数，唯一需要处理的边界条件就是所有随机因子的乘积与$n$做$gcd$之后，$gcd$为$n$，这个时候虽然存在公因数，但是却不能直接返回$n$（因为$n$是我们用来判断本次探测不成功的标记），这个时候我们再按照原方法枚举一遍，找到某个非平凡因子返回即可。

同时$gcd$的地方也是可以优化很多的，大致就是仿照高精度$gcd$那样用二进制处理，常数会小很多。

Code：

#pragma GCC optimize(3, "inline", "Ofast")
#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
const int pri[] = {2, 3, 5, 7, 11, 13, 17, 19, 23, 29};
int T;
ll n, ans = 0;

ll Qpow(ll x, ll y, ll Md) {
  ll ans = 1;
  for(; y; y >>= 1, x = x * x % Md) if(y & 1) ans = ans * x % Md;
  return ans;
}

bool Miller_Rabin(ll x) {
  if(x == 2) return 1;
  if(!(x & 1) || x == 1) return 0;
  ll s = 0, t = x - 1;
  while(!(t & 1)) {
    t >>= 1;
    s ++;
  }
  for(int i = 0; i < 10 && pri[i] < x; i++) {
    ll a = pri[i], b = Qpow(a, t, x);
    ll k;
    for(int j = 1; j <= s; j++) {
      k = (__int128)b * b % x;
      if(k == 1 && b != 1 && b != x - 1) return 0;
      b = k;
    }
    if(b != 1) return 0;
  }
  return 1;
}

ll Gcd(ll a, ll b) {
  if(!a || !b) return a | b;
  int t = __builtin_ctzll(a | b); //__builtin_ctzll是得到某个数二进制下末尾0的个数
  a >>= __builtin_ctzll(a);
  do {
    b >>= __builtin_ctzll(b);
    if(b < a) swap(a, b);
    b -= a;
  }while(b);
  return a << t;
}

ll Pollard_Rho(ll n, ll c) {
  ll x = 1ll * rand() * rand() % (n - 2) + 1, y = x;
  int i = 1, k = 2;
  ll Mu = 1, z = y;
  while(1) {
    i++;
    x = (__int128) x * x % n;
    x = (x + c) % n;
    Mu = (__int128) Mu * (y > x ? y - x : x - y) % n;
    if(y == x) return n;
    if(i == k) {
      ll G = Gcd(Mu, n);
      if(G == 1) { y = x; k <<= 1; continue; }
      if(G == n) {
        x = y;
        for(int t = 1; t <= k >> 1; t++) {
          x = (__int128) x * x % n;
          x = (x + c) % n;
          ll g = Gcd(y > x ? y - x : x - y, n);
          if(g > 1 && g < n) return g;
        }
      }
      return G;
    }
  }
}


void Find(ll x, ll c) {
  if(x == 1 || x < ans) return ;
  if(Miller_Rabin(x)) return (void) (ans = max(ans, x));
  ll p = x;
  while(p == x) p = Pollard_Rho(p, c--);
  while(x % p == 0) x /= p;
  Find(p, c); Find(x, c);
}

int main() {
  srand(2333);
  scanf("%d", &T);
  while(T--) {
    scanf("%lld", &n);
    ans = 0;
    bool f = Miller_Rabin(n);
    if(f) {
      puts("Prime");
      continue;
    }
    Find(n, 100000);
    printf("%lld\n", ans);
  }
  return 0;
}

尝试再次交一发，愉快的发现它过了。~~爆OJ真舒服~~

然后还有一个关于$127$这个数的优化，现在还没有看懂，咕咕咕~

来源：https://www.cnblogs.com/Apocrypha/p/10672354.html

标签

科技

gcd

[科技]$Miller\\_Rabin$ 和 $Pollard\\_Rho$ 及各种玄学优化