python 实现miller rabin米勒-拉宾素性检验算法

miller rabin米勒-拉宾素性检验算法介绍

米勒-拉宾素性检验(Miller-Rabin prime test)算法是一种用于判断一个正整数是否为素数的概率性算法。它基于费马小定理和二次探测定理。以下是关于该算法的一些详细解释:

起源

卡内基梅隆大学的Gary Lee Miller教授首先提出了基于广义黎曼猜想的确定性算法,但由于广义黎曼猜想并未被证明,以色列耶路撒冷希伯来大学的Michael O. Rabin教授后来对其进行了修改,提出了不依赖于该假设的随机化算法。

基本原理

费马小定理:

如果p是一个质数,且a与p互质(即a不是p的倍数),那么a^(p-1) ≡ 1 (mod p)。逆否命题为:如果存在一个a与p互质,但a^(p-1) ≢ 1 (mod p),则p一定不是素数。

二次探测定理:

如果p是一个素数,那么对于任意整数x(x < p),若x^2 ≡ 1 (mod p),则x只能是1或p-1。逆否命题为:如果x^2 ≡ 1 (mod p)但x不等于1且x不等于p-1,则p一定不是素数。

算法步骤

将n-1分解为2^r * d的形式,其中d是奇数。

重复k次(k是测试次数,影响判断的准确性):

随机选取一个整数a,满足2 ≤ a ≤ n-2。

计算x = a^d mod n。

如果x = 1或x = n-1,则继续下一次迭代;否则,进入循环:

将x平方后对n取模,即x = x^2 mod n。

如果在循环过程中x = 1,但之前x并未等于n-1,则n为合数。

如果循环结束后x仍不等于1,则n为合数。

如果循环结束(即进行了r次平方操作)且x = n-1,则继续下一次迭代。

如果所有k次测试都未判定n为合数,则n可能是一个素数(但仍有极小的概率是"强伪素数")。

注意事项

Miller-Rabin算法的正确率随着k的增加而提高,但也会增加计算量。通常进行4~8次测试即可达到较高的正确率。

该算法特别适用于高精度数的素数检验,通过优化可以达到较低的时间复杂度。

尽管Miller-Rabin算法是概率性的,但实际应用中尚未发现通过该算法被误判为素数的合数。

应用场景

Miller-Rabin算法常用于密码学中的素数生成与检验,以及大规模数值计算中的素数判断。

希望以上信息对你有帮助。如果需要进行具体的编程实现或更深入的理论探讨,建议查阅相关文献资料或咨询专业人士。

miller rabin米勒-拉宾素性检验算法python实现样例

下面是一个实现Miller-Rabin算法的Python代码:

python 复制代码
import random
 
def miller_rabin(n, k):
    if n == 2 or n == 3:
        return True
    if n % 2 == 0:
        return False
 
    r, s = 0, n - 1
    while s % 2 == 0:
        r += 1
        s //= 2
 
    for _ in range(k):
        a = random.randint(2, n - 2)
        x = pow(a, s, n)
        if x == 1 or x == n - 1:
            continue
 
        for _ in range(r - 1):
            x = pow(x, 2, n)
            if x == n - 1:
                break
        else:
            return False
 
    return True

# 测试
n = 123456789
k = 5
result = miller_rabin(n, k)
if result:
    print(f"{n} 可能为素数")
else:
    print(f"{n} 不是素数")

这个代码中的miller_rabin函数用于判断一个数n是否为素数。n是要判断的数,k是算法进行的迭代次数,可以根据需要进行调整。

算法的基本思想是,对于一个待判定的数n,首先判断n是否是2或3,如果是直接返回True。然后判断n是否为偶数,如果是直接返回False。接着通过将n-1进行分解,得到一个奇数s和一个偶数r。然后选择一个随机数a,计算a^s,如果结果为1或n-1,则继续选择下一个随机数。反复将x平方r-1次,如果最终结果不为n-1,则n不是素数。重复上述操作k次,如果每次结果都是n-1,则返回True,否则返回False。

以上代码中使用了Python的库函数random.randint来生成随机数,如果需要运行该代码,请确保已经安装了Python的标准库。

相关推荐
用户27784491049935 小时前
借助DeepSeek智能生成测试用例:从提示词到Excel表格的全流程实践
人工智能·python
算AI7 小时前
人工智能+牙科:临床应用中的几个问题
人工智能·算法
JavaEdge在掘金7 小时前
ssl.SSLCertVerificationError报错解决方案
python
我不会编程5558 小时前
Python Cookbook-5.1 对字典排序
开发语言·数据结构·python
李少兄8 小时前
Unirest:优雅的Java HTTP客户端库
java·开发语言·http
老歌老听老掉牙8 小时前
平面旋转与交线投影夹角计算
python·线性代数·平面·sympy
满怀10158 小时前
Python入门(7):模块
python
无名之逆8 小时前
Rust 开发提效神器:lombok-macros 宏库
服务器·开发语言·前端·数据库·后端·python·rust
你觉得2058 小时前
哈尔滨工业大学DeepSeek公开课:探索大模型原理、技术与应用从GPT到DeepSeek|附视频与讲义下载方法
大数据·人工智能·python·gpt·学习·机器学习·aigc
似水এ᭄往昔8 小时前
【C语言】文件操作
c语言·开发语言