二次筛提取阶段最有效的因式分解算法是什么?

What is the most efficient factoring algorithm for quadratic sieve extraction phase?

在二次筛算法中,在使用对数近似找到 bSmooth 值后,您需要对数字进行因式分解,我们称之为 B,以构建 bSmooth 向量。

一个常见的解决方案是使用因子基中的素数进行试验除法。与随机数不同,在这种情况下,试验除法非常有效,因为大多数因子都位于素数基中。我说“最”是因为一个常见的优化将允许一个小阈值包含 1-3 个素数,乘积高达 2^30 左右,这称为部分关系。

在我的 current implementation 中,这个向量提取阶段花费了大部分时间。我一直在尝试做的另一个解决方案是接收,再次遍历素数基,并在已知为 b-smooth 的索引中记录向量。但结果变得更慢。

下面是我目前的代码,我为试用版添加了4个优化,如果有更好的解决方案请告诉我。

  1. 对于素数 2,我检查 B 的最后一个设置位并右移以提取它。
  2. 我正在使用 BigInteger divideAndRemainder 它通过将除法和 mod 操作合并为 1
  3. 来优化内存和性能
  4. 如果B小于因子基中的最大素数,那么它一定在因子基中,所以我使用哈希映射来定位它的索引
  5. 如果 B.bitLenght() / 2 之前没有素数整除 B 那么它一定是偏关系,只有当它是素数时我才会包括它。
    private VectorData extractVector(BigInteger value) {
        BitSet vector = new BitSet(PrimeBase.instance.primeBase.size());
        if(value.compareTo(BigInteger.ZERO) < 0){
            vector.set(0);
            value = value.abs();
        }
        value = extractPower2(value, vector);
        for (int i = 2; i < PrimeBase.instance.primeBase.size(); i++) {
            BigInteger p = PrimeBase.instance.primeBaseBigInteger.get(i);
            int count = 1;
    
            BigInteger[] results = value.divideAndRemainder(p);
            if (results[1].equals(BigInteger.ZERO)) {
                value = results[0];
                while (true) {
                    results = value.divideAndRemainder(p);
                    if(!results[1].equals(BigInteger.ZERO)){
                        break;
                    }
                    value = results[0];
                    count++;
                }
                if(count % 2 == 1) {
                    vector.set(i);
                }
    
                if (value.equals(BigInteger.ONE)) {
                    bSmoothVectorData.vector = vector;
                    return bSmoothVectorData;
                } else if (value.compareTo(PrimeBase.instance.maxPrimeBigInteger) <= 0) {
                    int index = PrimeBase.instance.primeBaseMap.get(value);
                    vector.set(index);
                    bSmoothVectorData.vector = vector;
                    return bSmoothVectorData;
                } else if (value.bitLength() / 2 < p.bitLength()) {
                    if (isPrime(value.longValue())) {
                        return new VectorData(vector, value);
                    }
                    return null;
                }
            }
        }
        return null;
    }

bSmoothVectorData 用于区分完全关系和部分关系。调用 isPrime 的最后一个 else-if 情况很少见,占用该方法的整体性能不到 0.001%,瓶颈在于对 divideAndRemainder 的调用,它占用了大约 72% 的性能。

通过将试用部门切换为接收,我能够实现近 80% 的性能提升。现在,我已经在问题中提到我之前尝试过但没有成功。嗯,这次成功了。

我用整数运算 (bSmoothData.localX - delta) % prime == startingPosition 替换了 BigInteger.mod(x).equals(ZERO) 测试,这可能非常适合我的实现,但我的想法是检查素数是否应该在筛分中划分 bSmooth 指数数组。

接下来,我构建了所有这些素数的乘积,并将实际的 bSmooth 值除以它,然后我留下了一个可以进入 Java 英尺长的提醒。然后我继续使用试用版提取它。如果您对我的实现感兴趣,我制作了一个视频 here