1. 项目概述为什么质因子分解是C算法学习的基石在C的算法学习路径上质因子分解是一个绕不开的“老朋友”。它不像动态规划那样充满智力挑战也不像图论那样结构复杂但它却是许多高级算法和数学问题的底层支撑。简单来说质因子分解就是把一个大于1的自然数分解成若干个质数相乘的形式。比如60 2 x 2 x 3 x 5。这个概念本身不复杂但它在实际编程中的应用场景之广远超新手想象。我见过很多初学者在刷题时遇到“求最大公约数”、“求最小公倍数”或者“判断一个数是否为质数”这类题目会直接调用库函数或者用暴力方法解决。这当然没错但如果你理解了质因子分解你就能从更本质的层面去理解这些运算甚至能解决一些看似与质数无关的“变形题”。比如给你一个数n问有多少种方法可以将它表示为两个正整数乘积的形式顺序不同算一种。如果你直接双重循环去试时间复杂度是O(n)当n很大时必然超时。但如果你对n进行了质因子分解知道了每个质因子的指数那么这个问题就转化为了一个组合数学问题可以在O(sqrt(n))甚至更优的时间内解决。质因子分解之所以重要是因为它将一个复杂的“数”的问题转化为了对若干个简单的“质因子”及其“指数”的操作。这种“化整为零”的思想在算法设计中非常普遍。无论是数论题目、密码学相关的基础模拟还是某些需要利用数字性质的优化场景质因子分解都是一把利器。对于正在准备技术面试的同学来说这更是高频考点面试官不仅希望你写出代码更希望你能解释清楚算法背后的数学原理和复杂度优化的思路。接下来我们就从最基础的原理开始一步步拆解质因子分解在C中的实现与优化。2. 质因子分解的核心原理与数学基础要写好质因子分解的代码不能只知其然必须知其所以然。我们需要回顾几个关键的数学概念和定理它们是算法正确性和高效性的保证。2.1 质数与合数的定义回顾质数素数是指在大于1的自然数中除了1和它本身以外不再有其他因数的数。例如2, 3, 5, 7。合数则是指除了1和它本身以外还有其他因数的数如4, 6, 8, 9。这里有一个非常重要的特例1既不是质数也不是合数。在编写质因子分解函数时必须首先处理输入为1的情况因为1没有质因子。2.2 算术基本定理算法的理论基石算术基本定理是质因子分解的理论核心。它指出任何一个大于1的自然数N都可以唯一地分解成有限个质数的乘积。这里“唯一”是指如果不考虑质因子的排列顺序那么这种分解方式是唯一的。例如120 2^3 * 3^1 * 5^1无论你用哪种方法分解最终得到的质因子集合2, 3, 5以及它们各自的指数3, 1, 1都是确定不变的。这个定理保证了我们算法的目标明确且结果唯一我们的任务就是找到这个唯一的质因子集合及其对应的指数。2.3 试除法原理从定义出发的最直观方法试除法是理解质因子分解最直观的算法。其核心思想基于一个简单的事实如果n是一个合数那么它一定有一个不大于sqrt(n)的质因子。证明假设n是一个合数那么它可以表示为n a * b其中a和b都是大于1的整数且a b。那么a * a a * b n所以a sqrt(n)。也就是说n至少有一个因子a是小于等于其平方根的。而a要么是质数要么可以继续分解为更小的质数。因此n必然有一个质因子小于等于sqrt(n)。这个结论是试除法优化的关键。它意味着我们不需要用从2到n-1的所有数去试除n只需要试除到sqrt(n)即可。如果在2到sqrt(n)的范围内都找不到能整除n的质因子那么n本身就是一个质数。注意这里有一个常见的理解误区。有些初学者认为试除法是“用所有可能的质数去试除”。实际上在算法实现中我们通常是用“所有可能的数”去试除从2开始但利用了一个优化每次找到一个因子i后我们不断用n除以i直到不能整除为止。这样后续的i就只可能是质数了。因为如果i是合数那么它的质因子早在之前就被除干净了。这是一种“隐式”的只使用质数试除的方法。3. 基础实现从朴素试除法到优化理解了原理我们就可以动手实现了。我们从最朴素的版本开始逐步优化。3.1 最朴素的试除法实现我们先写一个最直接、最易于理解的版本。这个版本严格按照定义用i从2开始循环到n如果能整除就记录这个因子并除尽它。#include iostream #include vector #include utility // for std::pair using namespace std; // 函数返回一个vector里面存储着 (质因子, 指数) 对 vectorpairint, int primeFactorsNaive(int n) { vectorpairint, int factors; if (n 1) return factors; // 1和负数没有质因子分解 int temp n; for (int i 2; i temp; i) { if (temp % i 0) { int cnt 0; // 除尽当前质因子i while (temp % i 0) { temp / i; cnt; } factors.push_back({i, cnt}); } } // 循环结束后如果temp大于1说明temp本身就是一个质数 if (temp 1) { factors.push_back({temp, 1}); } return factors; } int main() { int num 120; auto result primeFactorsNaive(num); cout num ; for (size_t i 0; i result.size(); i) { if (i ! 0) cout * ; cout result[i].first; if (result[i].second 1) { cout ^ result[i].second; } } cout endl; return 0; }这个代码逻辑清晰但效率很低。对于质数n循环要进行n-1次时间复杂度是O(n)。我们需要进行优化。3.2 优化一循环至 sqrt(n)根据2.3节的结论我们只需要试除到sqrt(n)。这是最重要的优化。vectorpairint, int primeFactorsSqrt(int n) { vectorpairint, int factors; if (n 1) return factors; int temp n; // 关键优化循环条件改为 i * i temp for (int i 2; i * i temp; i) { if (temp % i 0) { int cnt 0; while (temp % i 0) { temp / i; cnt; } factors.push_back({i, cnt}); } } // 循环结束后如果temp大于1那么temp就是最后一个质因子 if (temp 1) { factors.push_back({temp, 1}); } return factors; }为什么循环条件是i * i temp而不是i sqrt(temp)效率sqrt()函数计算开方是浮点数运算比较耗时且可能有精度问题。而i * i是整数运算更快更精确。动态变化注意我们是对不断变小的temp进行判断。在循环体内temp的值在不断减小。i * i temp这个条件会随着temp的减小而提前终止循环比固定用最初的sqrt(n)作为条件更优。这个优化将最坏情况n为质数下的时间复杂度从O(n)降到了O(sqrt(n))这是一个质的飞跃。3.3 优化二跳过偶数除了2以外所有的质数都是奇数。因此当我们处理完因子2之后可以只检查奇数这样循环次数大约减少一半。vectorpairint, int primeFactorsSkipEven(int n) { vectorpairint, int factors; if (n 1) return factors; int temp n; // 单独处理因子2 if (temp % 2 0) { int cnt 0; while (temp % 2 0) { temp / 2; cnt; } factors.push_back({2, cnt}); } // 从3开始只检查奇数步长为2 for (int i 3; i * i temp; i 2) { if (temp % i 0) { int cnt 0; while (temp % i 0) { temp / i; cnt; } factors.push_back({i, cnt}); } } if (temp 1) { factors.push_back({temp, 1}); } return factors; }这个优化在n是偶数时效果显著。对于随机的大数平均也能减少约一半的循环迭代。实操心得在实际编码中我通常不会一上来就写跳过偶数的版本。我会先写出循环到sqrt(n)的标准版确保逻辑正确。然后在性能测试或应对极端数据时再考虑加入“跳过偶数”这类微观优化。清晰的逻辑比一点点的性能提升更重要尤其是在面试白板 coding 时。4. 高级优化与预处理技巧当问题规模变大或者需要对多个数进行质因子分解时基础的试除法可能还不够快。我们需要更高级的策略。4.1 预处理质数表空间换时间试除法低效的一个原因是它用合数去试除了。比如当i4时如果n能被4整除那么它一定能被2整除而2早在之前就被除尽了。所以i4这次判断是多余的。一个直接的思路是我们只用一个范围内的质数去试除。这就需要我们先筛出一个质数表。常用的筛法有埃拉托斯特尼筛法埃氏筛和欧拉筛线性筛。埃氏筛法生成质数表const int MAX_N 1000000; // 根据问题范围设定 vectorbool isPrime(MAX_N 1, true); vectorint primes; void sieveOfEratosthenes() { isPrime[0] isPrime[1] false; for (int i 2; i * i MAX_N; i) { if (isPrime[i]) { for (int j i * i; j MAX_N; j i) { isPrime[j] false; } } } for (int i 2; i MAX_N; i) { if (isPrime[i]) { primes.push_back(i); } } } // 使用质数表进行分解 vectorpairint, int primeFactorsWithSieve(int n) { vectorpairint, int factors; if (n 1) return factors; int temp n; for (int p : primes) { // 提前终止如果质数的平方大于当前temp则剩余temp为质数 if (p * p temp) break; if (temp % p 0) { int cnt 0; while (temp % p 0) { temp / p; cnt; } factors.push_back({p, cnt}); } } if (temp 1) { factors.push_back({temp, 1}); } return factors; }优势与局限优势对于需要多次分解不同数字的场景例如在解决一个问题时需要分解上万个数字预处理质数表可以节省大量时间。因为每个数的分解都只遍历质数跳过了所有合数。局限需要预先知道数值的大致范围MAX_N并且需要O(MAX_N)的内存空间。如果MAX_N很大比如1e7以上内存可能成为瓶颈。4.2 欧拉筛线性筛与最小质因子表欧拉筛能在O(n)时间内筛出[1, n]内的所有质数并且它能额外得到一个非常重要的副产品每个数的最小质因子Least Prime Factor, LPF。欧拉筛实现const int MAX_N 1000000; vectorint primes; vectorint lpf(MAX_N 1, 0); // 最小质因子数组 void linearSieve() { for (int i 2; i MAX_N; i) { if (lpf[i] 0) { // i是质数 lpf[i] i; primes.push_back(i); } // 用当前已知的质数 primes[j] 去筛 for (int j 0; j (int)primes.size() primes[j] lpf[i] i * primes[j] MAX_N; j) { lpf[i * primes[j]] primes[j]; } } }有了最小质因子表质因子分解可以变得异常高效时间复杂度接近于O(log n)。利用LPF进行质因子分解vectorpairint, int primeFactorsWithLPF(int n) { vectorpairint, int factors; if (n 1) return factors; while (n 1) { int p lpf[n]; // 取出n当前的最小质因子 int cnt 0; while (n % p 0) { n / p; cnt; } factors.push_back({p, cnt}); } return factors; }这个算法的过程非常直观不断取出当前数n的最小质因子p除尽它然后更新n直到n变为1。由于每次除法都至少让n减半在最坏情况下所以循环次数是O(log n)级别的。注意事项使用LPF表的前提是n必须在预处理范围MAX_N内。如果n可能超过MAX_N那么对于超过部分的分解仍需回退到试除法。一种常见的策略是预处理sqrt(最大可能的n)范围内的LPF表。分解时先用LPF表处理小于等于MAX_N的部分如果剩余部分1且 MAX_N则对这个剩余部分用试除法只需试到sqrt(剩余部分)判断其是否为质数。因为经过LPF处理后的剩余部分如果有质因子必然大于MAX_N且最多只有一个这样的质因子否则两个大于sqrt(原数)的质因子相乘会超过原数。5. 质因子分解的经典应用场景掌握了分解方法我们来看看它能解决哪些实际问题。这些场景在算法竞赛和面试中非常常见。5.1 求最大公约数GCD与最小公倍数LCM这是最直接的应用。根据算术基本定理最大公约数gcd(a, b)取每个质因子在a和b中指数的最小值然后相乘。最小公倍数lcm(a, b)取每个质因子在a和b中指数的最大值然后相乘。例如a 2^3 * 3^2 * 5^1 360,b 2^2 * 3^3 * 7^1 756gcd(a, b) 2^min(3,2) * 3^min(2,3) * 5^min(1,0) * 7^min(0,1) 2^2 * 3^2 36lcm(a, b) 2^max(3,2) * 3^max(2,3) * 5^max(1,0) * 7^max(0,1) 2^3 * 3^3 * 5^1 * 7^1 7560当然求GCD和LCM有更高效的欧几里得算法辗转相除法其时间复杂度为O(log(min(a, b)))远比分解质因子快。但理解质因子分解的角度能帮助我们更深刻地理解这两个概念的本质关系a * b gcd(a, b) * lcm(a, b)。5.2 求正约数的个数一个正整数n的约数个数d(n)可以通过其质因子分解式轻松求得。 若n p1^a1 * p2^a2 * ... * pk^ak则n的正约数个数为d(n) (a1 1) * (a2 1) * ... * (ak 1)原理对于每个质因子pi在构造一个约数时我们可以选择其指数为0, 1, 2, ..., ai共有(ai 1)种选择。各个质因子的选择相互独立根据乘法原理总的约数个数就是各(ai1)的乘积。C实现int countDivisors(int n) { auto factors primeFactorsSqrt(n); // 使用之前的分解函数 int count 1; for (auto [p, exp] : factors) { count * (exp 1); } return count; }5.3 求正约数的和类似地约数和σ(n)也有公式。 若n p1^a1 * p2^a2 * ... * pk^ak则n的所有正约数之和为σ(n) (1 p1 p1^2 ... p1^a1) * (1 p2 p2^2 ... p2^a2) * ... * (1 pk pk^2 ... pk^ak)每一项都是一个等比数列求和可以用公式(p_i^(a_i1) - 1) / (p_i - 1)快速计算注意处理p_i1的情况但质因子大于1所以不会出现。C实现long long sumOfDivisors(int n) { auto factors primeFactorsSqrt(n); long long sum 1; for (auto [p, exp] : factors) { long long term 1; long long power 1; for (int i 0; i exp; i) { term power; power * p; } // 或者用等比数列求和公式 // term (pow(p, exp1) - 1) / (p - 1); 注意pow可能溢出需用快速幂 sum * term; } return sum; }5.4 判断一个数是否为质数质因子分解本身就可以用来判断质数如果一个大于1的数n其质因子分解结果中只有一个因子且该因子的指数为1那么这个数就是质数。更高效的方法是米勒-拉宾素性测试但试除法在n较小时简单有效。5.5 解决“乘积固定求因子组合”类问题这是质因子分解的进阶应用。例如问题“给定一个正整数n求有多少对正整数(a, b)满足a * b n且a b。”暴力枚举a从1到sqrt(n)时间复杂度O(sqrt(n))。但如果n很大比如1e12且需要回答很多次这样的查询O(sqrt(n))可能不够快。利用质因子分解问题可以转化。设n p1^a1 * p2^a2 * ... * pk^ak。 对于质因子pi它在a中的指数可以是0, 1, ..., ai中的任意一个共有(ai1)种选择。b中pi的指数则被确定为ai - (a中pi的指数)。 因此a的选取总数即(a, b)有序对的数量为(a11)*(a21)*...*(ak1)。由于要求a b我们设总数为total。如果n是完全平方数那么ab的情况只有一种满足ab的对数为(total 1) / 2。如果n不是完全平方数那么没有ab的情况满足ab的对数为total / 2。这样我们只需要一次O(sqrt(n))的质因子分解之后每个查询都可以在O(k)k是质因子个数通常很小时间内回答。6. 常见问题与排查技巧实录在实际编码和解题过程中你会遇到一些典型的“坑”。这里我总结了几条希望能帮你避开。6.1 整数溢出问题这是最隐蔽也最常见的问题。在试除法循环中条件i * i temp可能导致溢出。当i很大时接近int上限2^31-1的平方根即约46340i * i可能超过int范围导致溢出为负数从而使循环条件判断错误。解决方案使用更宽的类型将循环变量i和临时变量temp声明为long long。for (long long i 2; i * i temp; i)改变循环条件写成i temp / i。除法运算不会导致溢出。for (int i 2; i temp / i; i)我通常推荐第二种方法因为它不依赖于long long且逻辑清晰。6.2 处理输入为1或负数的情况1的质因子分解是空集。负整数在数论中通常不考虑质因子分解或者可以先取其绝对值再分解。你的函数应该能优雅地处理这些边界情况。vectorpairint, int primeFactors(int n) { vectorpairint, int factors; if (n 1) return factors; // 处理0, 1 int temp n; if (temp 0) { factors.push_back({-1, 1}); // 有些约定会把-1作为因子先提出来 temp -temp; } // ... 正常的分解逻辑 return factors; }6.3 时间复杂度分析与选择面对不同的问题场景要选择合适的方法场景推荐方法时间复杂度说明单次分解n 10^12优化试除法至sqrt(n)O(sqrt(n))实现简单足够快。单次分解n极大如10^18Pollards Rho算法期望O(n^(1/4))概率算法竞赛级实现复杂。多次分解n 10^6查询次数多预处理LPF表欧拉筛预处理O(MAX_N)查询O(log n)空间换时间批量查询利器。需要同时求约数个数/和等质因子分解法O(sqrt(n))或基于LPF分解一次可同时得到多种信息。一个经验法则在一般的算法题和面试中O(sqrt(n))的试除法完全够用。除非题目明确要求处理极大数字或海量查询否则不必引入复杂的筛法或Pollards Rho。6.4 输出格式与存储结构如何存储和输出分解结果通常有两种方式向量存储对子 (vectorpairint, int)如本文一直使用的存储(质因子, 指数)。这是最清晰、最通用的方式便于后续计算约数个数、和等。直接输出或存储到映射 (mapint, int)有时我们只需要按顺序输出质因子重复的连续输出可以用一个vectorint边除边存。如果需要快速查找某个质因子的指数用map更合适。// 方式1存储对子推荐 vectorpairint, int factors; // 方式2使用map便于查找 mapint, int factorMap; while (temp % i 0) { temp / i; factorMap[i]; } // 遍历map时键质因子默认已按升序排列6.5 一个综合案例解决“求n!的质因子分解”这是一个经典问题求阶乘n!的质因子分解。例如5! 120 2^3 * 3^1 * 5^1。暴力方法是先算出n!的值再分解。但n!增长极快n20时就已经超出long long范围了。正确的方法是使用勒让德定理。勒让德定理在n!中质因子p的指数等于exp(p) floor(n/p) floor(n/p^2) floor(n/p^3) ...直到p^k n。原理1到n中有floor(n/p)个数是p的倍数贡献至少一个因子p有floor(n/p^2)个数是p^2的倍数在刚才的基础上多贡献一个因子p以此类推。C实现// 求 n! 中质因子 p 的指数 int legendre(int n, int p) { int exp 0; while (n) { n / p; exp n; } return exp; } // 求 n! 的完整质因子分解 vectorpairint, int factorialPrimeFactors(int n) { vectorpairint, int factors; // 首先筛出所有不超过n的质数 vectorint primes getPrimesUpTo(n); // 需要实现一个筛法函数 for (int p : primes) { int exp legendre(n, p); if (exp 0) { factors.push_back({p, exp}); } } return factors; }这个案例展示了质因子分解思想如何应用于更复杂的数学计算中跳出了直接对一个大数进行分解的思维定式。质因子分解是连接基础数学和算法编程的桥梁。它看起来简单但深究下去涉及素数判定、筛法、数论定理、复杂度优化等多个方面。理解它不仅能帮你解决一系列具体的算法问题更能训练你将数学定理转化为高效代码的思维能力。在平时练习时不妨多思考一下“这个问题能从质因子的角度去看吗” 很多时候视角的转换就是通往更优解的关键。
1. 项目概述为什么质因子分解是C算法学习的基石在C的算法学习路径上质因子分解是一个绕不开的“老朋友”。它不像动态规划那样充满智力挑战也不像图论那样结构复杂但它却是许多高级算法和数学问题的底层支撑。简单来说质因子分解就是把一个大于1的自然数分解成若干个质数相乘的形式。比如60 2 x 2 x 3 x 5。这个概念本身不复杂但它在实际编程中的应用场景之广远超新手想象。我见过很多初学者在刷题时遇到“求最大公约数”、“求最小公倍数”或者“判断一个数是否为质数”这类题目会直接调用库函数或者用暴力方法解决。这当然没错但如果你理解了质因子分解你就能从更本质的层面去理解这些运算甚至能解决一些看似与质数无关的“变形题”。比如给你一个数n问有多少种方法可以将它表示为两个正整数乘积的形式顺序不同算一种。如果你直接双重循环去试时间复杂度是O(n)当n很大时必然超时。但如果你对n进行了质因子分解知道了每个质因子的指数那么这个问题就转化为了一个组合数学问题可以在O(sqrt(n))甚至更优的时间内解决。质因子分解之所以重要是因为它将一个复杂的“数”的问题转化为了对若干个简单的“质因子”及其“指数”的操作。这种“化整为零”的思想在算法设计中非常普遍。无论是数论题目、密码学相关的基础模拟还是某些需要利用数字性质的优化场景质因子分解都是一把利器。对于正在准备技术面试的同学来说这更是高频考点面试官不仅希望你写出代码更希望你能解释清楚算法背后的数学原理和复杂度优化的思路。接下来我们就从最基础的原理开始一步步拆解质因子分解在C中的实现与优化。2. 质因子分解的核心原理与数学基础要写好质因子分解的代码不能只知其然必须知其所以然。我们需要回顾几个关键的数学概念和定理它们是算法正确性和高效性的保证。2.1 质数与合数的定义回顾质数素数是指在大于1的自然数中除了1和它本身以外不再有其他因数的数。例如2, 3, 5, 7。合数则是指除了1和它本身以外还有其他因数的数如4, 6, 8, 9。这里有一个非常重要的特例1既不是质数也不是合数。在编写质因子分解函数时必须首先处理输入为1的情况因为1没有质因子。2.2 算术基本定理算法的理论基石算术基本定理是质因子分解的理论核心。它指出任何一个大于1的自然数N都可以唯一地分解成有限个质数的乘积。这里“唯一”是指如果不考虑质因子的排列顺序那么这种分解方式是唯一的。例如120 2^3 * 3^1 * 5^1无论你用哪种方法分解最终得到的质因子集合2, 3, 5以及它们各自的指数3, 1, 1都是确定不变的。这个定理保证了我们算法的目标明确且结果唯一我们的任务就是找到这个唯一的质因子集合及其对应的指数。2.3 试除法原理从定义出发的最直观方法试除法是理解质因子分解最直观的算法。其核心思想基于一个简单的事实如果n是一个合数那么它一定有一个不大于sqrt(n)的质因子。证明假设n是一个合数那么它可以表示为n a * b其中a和b都是大于1的整数且a b。那么a * a a * b n所以a sqrt(n)。也就是说n至少有一个因子a是小于等于其平方根的。而a要么是质数要么可以继续分解为更小的质数。因此n必然有一个质因子小于等于sqrt(n)。这个结论是试除法优化的关键。它意味着我们不需要用从2到n-1的所有数去试除n只需要试除到sqrt(n)即可。如果在2到sqrt(n)的范围内都找不到能整除n的质因子那么n本身就是一个质数。注意这里有一个常见的理解误区。有些初学者认为试除法是“用所有可能的质数去试除”。实际上在算法实现中我们通常是用“所有可能的数”去试除从2开始但利用了一个优化每次找到一个因子i后我们不断用n除以i直到不能整除为止。这样后续的i就只可能是质数了。因为如果i是合数那么它的质因子早在之前就被除干净了。这是一种“隐式”的只使用质数试除的方法。3. 基础实现从朴素试除法到优化理解了原理我们就可以动手实现了。我们从最朴素的版本开始逐步优化。3.1 最朴素的试除法实现我们先写一个最直接、最易于理解的版本。这个版本严格按照定义用i从2开始循环到n如果能整除就记录这个因子并除尽它。#include iostream #include vector #include utility // for std::pair using namespace std; // 函数返回一个vector里面存储着 (质因子, 指数) 对 vectorpairint, int primeFactorsNaive(int n) { vectorpairint, int factors; if (n 1) return factors; // 1和负数没有质因子分解 int temp n; for (int i 2; i temp; i) { if (temp % i 0) { int cnt 0; // 除尽当前质因子i while (temp % i 0) { temp / i; cnt; } factors.push_back({i, cnt}); } } // 循环结束后如果temp大于1说明temp本身就是一个质数 if (temp 1) { factors.push_back({temp, 1}); } return factors; } int main() { int num 120; auto result primeFactorsNaive(num); cout num ; for (size_t i 0; i result.size(); i) { if (i ! 0) cout * ; cout result[i].first; if (result[i].second 1) { cout ^ result[i].second; } } cout endl; return 0; }这个代码逻辑清晰但效率很低。对于质数n循环要进行n-1次时间复杂度是O(n)。我们需要进行优化。3.2 优化一循环至 sqrt(n)根据2.3节的结论我们只需要试除到sqrt(n)。这是最重要的优化。vectorpairint, int primeFactorsSqrt(int n) { vectorpairint, int factors; if (n 1) return factors; int temp n; // 关键优化循环条件改为 i * i temp for (int i 2; i * i temp; i) { if (temp % i 0) { int cnt 0; while (temp % i 0) { temp / i; cnt; } factors.push_back({i, cnt}); } } // 循环结束后如果temp大于1那么temp就是最后一个质因子 if (temp 1) { factors.push_back({temp, 1}); } return factors; }为什么循环条件是i * i temp而不是i sqrt(temp)效率sqrt()函数计算开方是浮点数运算比较耗时且可能有精度问题。而i * i是整数运算更快更精确。动态变化注意我们是对不断变小的temp进行判断。在循环体内temp的值在不断减小。i * i temp这个条件会随着temp的减小而提前终止循环比固定用最初的sqrt(n)作为条件更优。这个优化将最坏情况n为质数下的时间复杂度从O(n)降到了O(sqrt(n))这是一个质的飞跃。3.3 优化二跳过偶数除了2以外所有的质数都是奇数。因此当我们处理完因子2之后可以只检查奇数这样循环次数大约减少一半。vectorpairint, int primeFactorsSkipEven(int n) { vectorpairint, int factors; if (n 1) return factors; int temp n; // 单独处理因子2 if (temp % 2 0) { int cnt 0; while (temp % 2 0) { temp / 2; cnt; } factors.push_back({2, cnt}); } // 从3开始只检查奇数步长为2 for (int i 3; i * i temp; i 2) { if (temp % i 0) { int cnt 0; while (temp % i 0) { temp / i; cnt; } factors.push_back({i, cnt}); } } if (temp 1) { factors.push_back({temp, 1}); } return factors; }这个优化在n是偶数时效果显著。对于随机的大数平均也能减少约一半的循环迭代。实操心得在实际编码中我通常不会一上来就写跳过偶数的版本。我会先写出循环到sqrt(n)的标准版确保逻辑正确。然后在性能测试或应对极端数据时再考虑加入“跳过偶数”这类微观优化。清晰的逻辑比一点点的性能提升更重要尤其是在面试白板 coding 时。4. 高级优化与预处理技巧当问题规模变大或者需要对多个数进行质因子分解时基础的试除法可能还不够快。我们需要更高级的策略。4.1 预处理质数表空间换时间试除法低效的一个原因是它用合数去试除了。比如当i4时如果n能被4整除那么它一定能被2整除而2早在之前就被除尽了。所以i4这次判断是多余的。一个直接的思路是我们只用一个范围内的质数去试除。这就需要我们先筛出一个质数表。常用的筛法有埃拉托斯特尼筛法埃氏筛和欧拉筛线性筛。埃氏筛法生成质数表const int MAX_N 1000000; // 根据问题范围设定 vectorbool isPrime(MAX_N 1, true); vectorint primes; void sieveOfEratosthenes() { isPrime[0] isPrime[1] false; for (int i 2; i * i MAX_N; i) { if (isPrime[i]) { for (int j i * i; j MAX_N; j i) { isPrime[j] false; } } } for (int i 2; i MAX_N; i) { if (isPrime[i]) { primes.push_back(i); } } } // 使用质数表进行分解 vectorpairint, int primeFactorsWithSieve(int n) { vectorpairint, int factors; if (n 1) return factors; int temp n; for (int p : primes) { // 提前终止如果质数的平方大于当前temp则剩余temp为质数 if (p * p temp) break; if (temp % p 0) { int cnt 0; while (temp % p 0) { temp / p; cnt; } factors.push_back({p, cnt}); } } if (temp 1) { factors.push_back({temp, 1}); } return factors; }优势与局限优势对于需要多次分解不同数字的场景例如在解决一个问题时需要分解上万个数字预处理质数表可以节省大量时间。因为每个数的分解都只遍历质数跳过了所有合数。局限需要预先知道数值的大致范围MAX_N并且需要O(MAX_N)的内存空间。如果MAX_N很大比如1e7以上内存可能成为瓶颈。4.2 欧拉筛线性筛与最小质因子表欧拉筛能在O(n)时间内筛出[1, n]内的所有质数并且它能额外得到一个非常重要的副产品每个数的最小质因子Least Prime Factor, LPF。欧拉筛实现const int MAX_N 1000000; vectorint primes; vectorint lpf(MAX_N 1, 0); // 最小质因子数组 void linearSieve() { for (int i 2; i MAX_N; i) { if (lpf[i] 0) { // i是质数 lpf[i] i; primes.push_back(i); } // 用当前已知的质数 primes[j] 去筛 for (int j 0; j (int)primes.size() primes[j] lpf[i] i * primes[j] MAX_N; j) { lpf[i * primes[j]] primes[j]; } } }有了最小质因子表质因子分解可以变得异常高效时间复杂度接近于O(log n)。利用LPF进行质因子分解vectorpairint, int primeFactorsWithLPF(int n) { vectorpairint, int factors; if (n 1) return factors; while (n 1) { int p lpf[n]; // 取出n当前的最小质因子 int cnt 0; while (n % p 0) { n / p; cnt; } factors.push_back({p, cnt}); } return factors; }这个算法的过程非常直观不断取出当前数n的最小质因子p除尽它然后更新n直到n变为1。由于每次除法都至少让n减半在最坏情况下所以循环次数是O(log n)级别的。注意事项使用LPF表的前提是n必须在预处理范围MAX_N内。如果n可能超过MAX_N那么对于超过部分的分解仍需回退到试除法。一种常见的策略是预处理sqrt(最大可能的n)范围内的LPF表。分解时先用LPF表处理小于等于MAX_N的部分如果剩余部分1且 MAX_N则对这个剩余部分用试除法只需试到sqrt(剩余部分)判断其是否为质数。因为经过LPF处理后的剩余部分如果有质因子必然大于MAX_N且最多只有一个这样的质因子否则两个大于sqrt(原数)的质因子相乘会超过原数。5. 质因子分解的经典应用场景掌握了分解方法我们来看看它能解决哪些实际问题。这些场景在算法竞赛和面试中非常常见。5.1 求最大公约数GCD与最小公倍数LCM这是最直接的应用。根据算术基本定理最大公约数gcd(a, b)取每个质因子在a和b中指数的最小值然后相乘。最小公倍数lcm(a, b)取每个质因子在a和b中指数的最大值然后相乘。例如a 2^3 * 3^2 * 5^1 360,b 2^2 * 3^3 * 7^1 756gcd(a, b) 2^min(3,2) * 3^min(2,3) * 5^min(1,0) * 7^min(0,1) 2^2 * 3^2 36lcm(a, b) 2^max(3,2) * 3^max(2,3) * 5^max(1,0) * 7^max(0,1) 2^3 * 3^3 * 5^1 * 7^1 7560当然求GCD和LCM有更高效的欧几里得算法辗转相除法其时间复杂度为O(log(min(a, b)))远比分解质因子快。但理解质因子分解的角度能帮助我们更深刻地理解这两个概念的本质关系a * b gcd(a, b) * lcm(a, b)。5.2 求正约数的个数一个正整数n的约数个数d(n)可以通过其质因子分解式轻松求得。 若n p1^a1 * p2^a2 * ... * pk^ak则n的正约数个数为d(n) (a1 1) * (a2 1) * ... * (ak 1)原理对于每个质因子pi在构造一个约数时我们可以选择其指数为0, 1, 2, ..., ai共有(ai 1)种选择。各个质因子的选择相互独立根据乘法原理总的约数个数就是各(ai1)的乘积。C实现int countDivisors(int n) { auto factors primeFactorsSqrt(n); // 使用之前的分解函数 int count 1; for (auto [p, exp] : factors) { count * (exp 1); } return count; }5.3 求正约数的和类似地约数和σ(n)也有公式。 若n p1^a1 * p2^a2 * ... * pk^ak则n的所有正约数之和为σ(n) (1 p1 p1^2 ... p1^a1) * (1 p2 p2^2 ... p2^a2) * ... * (1 pk pk^2 ... pk^ak)每一项都是一个等比数列求和可以用公式(p_i^(a_i1) - 1) / (p_i - 1)快速计算注意处理p_i1的情况但质因子大于1所以不会出现。C实现long long sumOfDivisors(int n) { auto factors primeFactorsSqrt(n); long long sum 1; for (auto [p, exp] : factors) { long long term 1; long long power 1; for (int i 0; i exp; i) { term power; power * p; } // 或者用等比数列求和公式 // term (pow(p, exp1) - 1) / (p - 1); 注意pow可能溢出需用快速幂 sum * term; } return sum; }5.4 判断一个数是否为质数质因子分解本身就可以用来判断质数如果一个大于1的数n其质因子分解结果中只有一个因子且该因子的指数为1那么这个数就是质数。更高效的方法是米勒-拉宾素性测试但试除法在n较小时简单有效。5.5 解决“乘积固定求因子组合”类问题这是质因子分解的进阶应用。例如问题“给定一个正整数n求有多少对正整数(a, b)满足a * b n且a b。”暴力枚举a从1到sqrt(n)时间复杂度O(sqrt(n))。但如果n很大比如1e12且需要回答很多次这样的查询O(sqrt(n))可能不够快。利用质因子分解问题可以转化。设n p1^a1 * p2^a2 * ... * pk^ak。 对于质因子pi它在a中的指数可以是0, 1, ..., ai中的任意一个共有(ai1)种选择。b中pi的指数则被确定为ai - (a中pi的指数)。 因此a的选取总数即(a, b)有序对的数量为(a11)*(a21)*...*(ak1)。由于要求a b我们设总数为total。如果n是完全平方数那么ab的情况只有一种满足ab的对数为(total 1) / 2。如果n不是完全平方数那么没有ab的情况满足ab的对数为total / 2。这样我们只需要一次O(sqrt(n))的质因子分解之后每个查询都可以在O(k)k是质因子个数通常很小时间内回答。6. 常见问题与排查技巧实录在实际编码和解题过程中你会遇到一些典型的“坑”。这里我总结了几条希望能帮你避开。6.1 整数溢出问题这是最隐蔽也最常见的问题。在试除法循环中条件i * i temp可能导致溢出。当i很大时接近int上限2^31-1的平方根即约46340i * i可能超过int范围导致溢出为负数从而使循环条件判断错误。解决方案使用更宽的类型将循环变量i和临时变量temp声明为long long。for (long long i 2; i * i temp; i)改变循环条件写成i temp / i。除法运算不会导致溢出。for (int i 2; i temp / i; i)我通常推荐第二种方法因为它不依赖于long long且逻辑清晰。6.2 处理输入为1或负数的情况1的质因子分解是空集。负整数在数论中通常不考虑质因子分解或者可以先取其绝对值再分解。你的函数应该能优雅地处理这些边界情况。vectorpairint, int primeFactors(int n) { vectorpairint, int factors; if (n 1) return factors; // 处理0, 1 int temp n; if (temp 0) { factors.push_back({-1, 1}); // 有些约定会把-1作为因子先提出来 temp -temp; } // ... 正常的分解逻辑 return factors; }6.3 时间复杂度分析与选择面对不同的问题场景要选择合适的方法场景推荐方法时间复杂度说明单次分解n 10^12优化试除法至sqrt(n)O(sqrt(n))实现简单足够快。单次分解n极大如10^18Pollards Rho算法期望O(n^(1/4))概率算法竞赛级实现复杂。多次分解n 10^6查询次数多预处理LPF表欧拉筛预处理O(MAX_N)查询O(log n)空间换时间批量查询利器。需要同时求约数个数/和等质因子分解法O(sqrt(n))或基于LPF分解一次可同时得到多种信息。一个经验法则在一般的算法题和面试中O(sqrt(n))的试除法完全够用。除非题目明确要求处理极大数字或海量查询否则不必引入复杂的筛法或Pollards Rho。6.4 输出格式与存储结构如何存储和输出分解结果通常有两种方式向量存储对子 (vectorpairint, int)如本文一直使用的存储(质因子, 指数)。这是最清晰、最通用的方式便于后续计算约数个数、和等。直接输出或存储到映射 (mapint, int)有时我们只需要按顺序输出质因子重复的连续输出可以用一个vectorint边除边存。如果需要快速查找某个质因子的指数用map更合适。// 方式1存储对子推荐 vectorpairint, int factors; // 方式2使用map便于查找 mapint, int factorMap; while (temp % i 0) { temp / i; factorMap[i]; } // 遍历map时键质因子默认已按升序排列6.5 一个综合案例解决“求n!的质因子分解”这是一个经典问题求阶乘n!的质因子分解。例如5! 120 2^3 * 3^1 * 5^1。暴力方法是先算出n!的值再分解。但n!增长极快n20时就已经超出long long范围了。正确的方法是使用勒让德定理。勒让德定理在n!中质因子p的指数等于exp(p) floor(n/p) floor(n/p^2) floor(n/p^3) ...直到p^k n。原理1到n中有floor(n/p)个数是p的倍数贡献至少一个因子p有floor(n/p^2)个数是p^2的倍数在刚才的基础上多贡献一个因子p以此类推。C实现// 求 n! 中质因子 p 的指数 int legendre(int n, int p) { int exp 0; while (n) { n / p; exp n; } return exp; } // 求 n! 的完整质因子分解 vectorpairint, int factorialPrimeFactors(int n) { vectorpairint, int factors; // 首先筛出所有不超过n的质数 vectorint primes getPrimesUpTo(n); // 需要实现一个筛法函数 for (int p : primes) { int exp legendre(n, p); if (exp 0) { factors.push_back({p, exp}); } } return factors; }这个案例展示了质因子分解思想如何应用于更复杂的数学计算中跳出了直接对一个大数进行分解的思维定式。质因子分解是连接基础数学和算法编程的桥梁。它看起来简单但深究下去涉及素数判定、筛法、数论定理、复杂度优化等多个方面。理解它不仅能帮你解决一系列具体的算法问题更能训练你将数学定理转化为高效代码的思维能力。在平时练习时不妨多思考一下“这个问题能从质因子的角度去看吗” 很多时候视角的转换就是通往更优解的关键。
![2026AI论文工具稀缺功能排行榜[特殊字符]真正有独家技术的只有OKBIYE](http://pic.xiahunao.cn/yaotu/2026AI论文工具稀缺功能排行榜[特殊字符]真正有独家技术的只有OKBIYE)
