分段筛法实现与边界错误修复详解
本文深入解析了Go语言中分段埃氏筛法在解决SPOJ经典题PRIME1时的关键实现细节,直击初学者极易忽略的边界错误——尤其是循环索引范围与数组长度不匹配导致的素数遗漏问题(如区间[3,5]中漏判5),并通过修正前后的代码对比,清晰揭示了“j
本文详解 SPOJ 经典题 PRIME1 的 Go 语言实现,重点剖析分段埃氏筛(Segmented Sieve)的正确逻辑、常见边界漏洞(如数组越界与漏判),并通过对比修正前后代码,揭示 j <= n-m 这一关键循环条件修正如何解决“输出少一行”的 Wrong Answer 根源。
本文详解 SPOJ 经典题 PRIME1 的 Go 语言实现,重点剖析分段埃氏筛(Segmented Sieve)的正确逻辑、常见边界漏洞(如数组越界与漏判),并通过对比修正前后代码,揭示 `j
SPOJ PRIME1 要求在多个区间 [m, n](其中 n ≤ 10⁹,但区间长度 n−m ≤ 10⁵)内高效输出所有素数。由于 n 可达 10 亿,无法直接筛出全部素数;而区间长度有限,分段筛法(Segmented Sieve) 是最优解:先用普通埃氏筛预处理 √n_max 以内的所有素数(本例中 n_max ≤ 10⁹ ⇒ √n_max ≤ 31623),再用这些小素数去标记每个查询区间的合数。
核心思想是为每个测试用例 [m, n] 分配一个长度为 len = n − m + 1 的布尔切片 isComposite[i],初始全为 false;对每个预筛出的小素数 p,从 max(p², ⌈m/p⌉ × p) 开始,以步长 p 标记其在 [m, n] 内的所有倍数为 true。最终,所有 isComposite[j] == false 且对应数值 m + j > 1 的数即为素数。
然而,原始代码存在一个致命边界错误:
// ❌ 错误写法:循环上界遗漏最后一个索引 for j = 0; j < case_n[i]-case_m[i]; j++ { // 索引范围:0 ~ (n−m−1),共 n−m 个元素 if !EratosthenesArray[i][j] { ret := case_m[i] + j if ret > 1 { fmt.Println(ret) } } }该循环仅遍历了 n − m 个索引(0 到 n−m−1),但数组长度实际为 n − m + 1(索引 0 到 n−m)。因此,最大值 n 对应的索引 n−m 被完全跳过,导致每个区间恒漏输出 n(若 n 是素数)——这正是样例中 1 10 输出缺少 7?不,实测发现 7 存在,但 10 本身非素数;真正影响的是当 n 恰为素数时(如 3 5 中的 5),j 最大只到 1(因 5−3=2,j < 2 ⇒ j=0,1),j=2(对应 3+2=5)未被检查,故 5 被遗漏 → 输出仅 3,缺失 5,与题目要求不符。
✅ 正确写法必须覆盖全部 n−m+1 个位置:
// ✅ 正确写法:使用 <= 确保包含末位索引 for j = 0; j <= case_n[i]-case_m[i]; j++ { // 索引范围:0 ~ (n−m),共 n−m+1 个元素 if !EratosthenesArray[i][j] { ret := case_m[i] + j if ret > 1 { fmt.Println(ret) } } }此外,还需注意以下关键细节:
- 1 不是素数:筛选后需显式排除 ret ≤ 1(尤其当 m = 1 时,j = 0 对应 1,必须跳过);
- 起始标记点计算要严谨:对素数 p,首个需标记的倍数是 ≥ m 的最小 p 的倍数,即 start = max(p*p, ceil(m/p)*p);原始代码中 start := (case_m[kase] - i*i) / i 在负数除法时行为未定义(Go 中为向零取整),更安全写法是:
start := case_m[kase] / i if case_m[kase]%i != 0 { start++ } start = max(start, i*i) // 确保不小于 p²- 内存与性能优化:使用 map[int64][]bool 存储各区间状态虽可行,但 []bool 底层仍占 1 byte/element;可改用 []byte 或位图进一步压缩(本题非必需);预筛上限 √n_max 仅约 31623,筛表内存可忽略。
总结:PRIME1 的分段筛实现,逻辑框架易懂,但边界条件极易出错。务必确保:
- 区间数组长度 = n − m + 1;
- 遍历索引覆盖 0 至 n−m(含);
- 显式跳过 ≤ 1 的数;
- 小素数标记起点严格 ≥ max(p², m)。
一次看似微小的 < 与 <= 差异,便是 WA 与 AC 的分水岭——算法工程中,鲁棒性始于对每一个下标的敬畏。
理论要掌握,实操不能落!以上关于《分段筛法实现与边界错误修复详解》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!
如何编写易测试代码:依赖注入与接口抽象实践
- 上一篇
- 如何编写易测试代码:依赖注入与接口抽象实践
- 下一篇
- CSSbox-sizing作用与计算方法解析
-
- Golang · Go教程 | 2小时前 | go · 泛型 · 迭代器 · range over function Go迭代器 Go iter.Seq2 树形索引遍历 键值遍历
- Go iter.Seq2 怎么为树形索引暴露键值遍历
- 199浏览 收藏
-
- Golang · Go教程 | 4小时前 | go · ip地址 ·
- Go netip 地址怎么转换成可比较的映射键
- 283浏览 收藏
-
- Golang · Go教程 | 5小时前 | 网络编程 · 标准库 · Go教程 · 端口 IPv6 Go netip.AddrPort ParseAddrPort AddrPortFrom
- Go netip.AddrPort 怎么无歧义表示 IPv6 端口
- 323浏览 收藏
-
- Golang · Go教程 | 5小时前 | 网络编程 · 标准库 · Go教程 · IPv6 Go ipv4 Prefix.Contains 网段判断 CIDR netip.Prefix
- Go netip.Prefix 怎么判断地址是否属于网段
- 175浏览 收藏
-
- Golang · Go教程 | 5小时前 |
- Go multipart 怎么同时上传文件和重复字段
- 317浏览 收藏
-
- Golang · Go教程 | 6小时前 | 标准库 · HTTP · 文件上传 · Go教程 · Go LimitReader MaxBytesReader multipart.Reader ReadForm 表单内存
- Go multipart.Reader 怎么限制表单字段占用内存
- 193浏览 收藏
-
- Golang · Go教程 | 7小时前 | HTTP · Go教程 · Go HMAC mime/multipart 接口签名 multipart.Writer SetBoundary
- Go multipart.Writer 怎么固定边界便于接口签名
- 471浏览 收藏
-
- Golang · Go教程 | 7小时前 | Go archive/zip OpenRaw 压缩数据
- Go zip.File.OpenRaw 怎么读取原始压缩数据
- 372浏览 收藏
-
- Golang · Go教程 | 7小时前 | go · Go archive/zip CreateRaw Writer.Copy
- Go zip.Writer.Copy 怎么无解压复制压缩条目
- 130浏览 收藏
-
- Golang · Go教程 | 8小时前 |
- Go zip.Writer.AddFS 怎么把 fs.FS 写进压缩包
- 143浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 344次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 406次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 404次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 367次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 187次使用
-
- Java 性能优化上线清单:从定位、改造到灰度发布
- 2026-06-11 860浏览
-
- Spring Boot 压测验证:Gatling、JMeter 与性能回归门禁
- 2026-06-11 843浏览
-
- Java NMT 非堆内存排查:Direct Buffer、线程栈与 Metaspace 分析
- 2026-06-11 826浏览
-
- Spring Boot 容器内存优化:JVM 堆、非堆与 MaxRAMPercentage
- 2026-06-11 809浏览
-
- Tomcat 连接与线程参数调优:maxThreads、acceptCount 与 KeepAlive
- 2026-06-11 792浏览


