警告
本文最后更新于 2020-04-10,文中内容可能已过时。
统计所有小于非负整数$ \tt{n} $的质数的数量
示例 1:
1
2
3
| 输入:n = 10
输出:4
解释:小于 10 的质数一共有4个,它们是 2,3,5,7
|
示例 2:
示例 3:
提示:
$ \tt{0 \leq n \leq 5 \times 10^6} $
统计$ \tt{[2, n]} $中质数的数量是一个很常见的题目,也有很多巧妙高效的做法,接下来的部分只会讲述一些常见的做法,更多的拓展内容读者可以自行搜索补充,也欢迎在评论区与大家分享交流。
很直观的思路是我们枚举每个数判断其是不是质数。
考虑质数的定义:在大于$ \tt{1} $的自然数中,除了$ \tt{1} $和它本身以外不再有其他因数的自然数。因此对于每个数$ \tt{x} $,我们可以从小到大枚举$ \tt{[2, x -1]} $中的每个数 ,判断$ \tt{y} $是否为$ \tt{x} $的因数。但这样判断一个数是否为质数的时间复杂度最差情况下会到$ \rm{O(n)} $,无法通过所有的测试数据。
考虑到如果$ \tt{y} $是$ \tt{x} $的因数,那么$ \tt{\frac{x}{y}} $也必然是$ \tt{x} $的因数,因此我们只要校验$ \tt{y} $或者$ \tt{\frac{x}{y}} $即可。而如果我们每次选择校验两者中的较小数,则不难发现较小数一定落在$ \tt{[2, \sqrt{x}]} $的区间中,因此我们只要枚举$ \tt{[2, \sqrt{x}]} $中的所有数即可,这样单次检查的时间复杂度从$ \rm{O(n)} $降低至了$ \rm{O(\sqrt{x})} $。
代码展示:
Java:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
| class Solution {
public int countPrimes(int n) {
int ans = 0;
for (int i = 2; i < n; ++i) {
ans += isPrime(i) ? 1 : 0;
}
return ans;
}
public boolean isPrime(int x) {
for (int i = 2; i * i <= x; ++i) {
if (x % i == 0) {
return false;
}
}
return true;
}
}
|
C:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
| bool isPrime(int x) {
for (int i = 2; i * i <= x; ++i) {
if (x % i == 0) {
return false;
}
}
return true;
}
int countPrimes(int n) {
int ans = 0;
for (int i = 2; i < n; ++i) {
ans += isPrime(i);
}
return ans;
}
|
JavaScript:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
| const isPrime = (x) => {
for (let i = 2; i * i <= x; ++i) {
if (x % i == 0) {
return false;
}
}
return true;
}
var countPrimes = function(n) {
let ans = 0;
for (let i = 2; i < n; ++i) {
ans += isPrime(i);
}
return ans;
};
|
复杂度分析:
- 时间复杂度$ \rm{O(n\sqrt{n})} $。单个数检查的时间复杂度为$ \rm{O(\sqrt{n})} $,一共要检查$ \rm{O(\sqrt{n})} $个数,因此总时间复杂为$ \rm{O(n\sqrt{n})} $。
- 空间复杂度$ \rm{O(1)} $。
枚举没有考虑到数与数的关联性,因此难以再继续优化时间复杂度。接下来我们介绍一个常见的算法,该算法由希腊数学家厄拉多塞$ (\tt EratosthenesEratosthenes) $提出,称为厄拉多塞筛法,简称埃氏筛。
我们考虑这样一个事实:如果$ \tt{x} $是质数,那么大于$ \tt{x} $的$ \tt{x} $的倍数 $ \tt{2x, 3x,\ldots} $ 一定不是质数,因此我们可以从这里入手。
我们设$ \tt{isPrime[i]} $表示数$ \tt{i} $是不是质数,如果是质数则为$ \tt{x} $,否则为$ \tt{0} $。从小到大遍历每个数,如果这个数为质数,则将其所有的倍数都标记为合数(除了该质数本身),即$ \tt{0} $,这样在运行结束的时候我们即能知道质数的个数。
这种方法的正确性是比较显然的:这种方法显然不会将质数标记成合数;另一方面,当从小到大遍历到数$ \tt{x} $时,倘若它是合数,则它一定是某个小于$ \tt{x} $的质数$ \tt{y} $的整数倍,故根据此方法的步骤,我们在遍历到$ \tt{y} $时,就一定会在此时将$ \tt{x} $标记为$ \tt{isPrime[x]=0} $。因此,这种方法也不会将合数标记为质数。
当然这里还可以继续优化,对于一个质数$ \tt{x} $,如果按上文说的我们从$ \tt{2x} $开始标记其实是冗余的,应该直接从$ \tt{x \cdot x} $开始标记,因为$ \tt{2x,3x,\ldots} $这些数一定在$ \tt{x} $之前就被其他数的倍数标记过了,例如$ \tt{2} $的所有倍数,$ \tt{3} $的所有倍数等。
代码展示:
Java:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
| class Solution {
public int countPrimes(int n) {
int[] isPrime = new int[n];
Arrays.fill(isPrime, 1);
int ans = 0;
for (int i = 2; i < n; ++i) {
if (isPrime[i] == 1) {
ans += 1;
if ((long) i * i < n) {
for (int j = i * i; j < n; j += i) {
isPrime[j] = 0;
}
}
}
}
return ans;
}
}
|
C:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
| int countPrimes(int n) {
if (n < 2) {
return 0;
}
int isPrime[n];
memset(isPrime, 0, sizeof(isPrime));
int ans = 0;
for (int i = 2; i < n; ++i) {
if (!isPrime[i]) {
ans += 1;
if ((long long)i * i < n) {
for (int j = i * i; j < n; j += i) {
isPrime[j] = 1;
}
}
}
}
return ans;
}
|
JavaScript:
1
2
3
4
5
6
7
8
9
10
11
12
13
| var countPrimes = function(n) {
const isPrime = new Array(n).fill(1);
let ans = 0;
for (let i = 2; i < n; ++i) {
if (isPrime[i]) {
ans += 1;
for (let j = i * i; j < n; j += i) {
isPrime[j] = 0;
}
}
}
return ans;
};
|
复杂度 分析:
- 时间复杂度:$ \rm{O(n \log \log n)} $。
- 空间复杂度:$ \rm{O(n)} $。我们需要$ \rm{O(n)} $的空间记录每个数是否为质数。