博客
关于我
B-1013 数素数 (20 分)
阅读量:705 次
发布时间:2019-03-21

本文共 1137 字,大约阅读时间需要 3 分钟。

技术员笔记:针对这个问题,我决定使用埃拉托斯特尼筛法来生成素数列表,然后从指定的位置提取所需的素数。以下是优化后的解决方案:

  • 筛法生成素数:创建一个布尔数组,用来标记每个数是否为素数。初始化时将0和1标记为非素数。然后,从2开始遍历,标记它们的倍数。

  • 收集素数列表:在筛法执行过程中,遍历每个数,若其为素数,则将其加入素数列表中。

  • 读取输入:从标准输入读取M和N的值,确保M≤N。

  • 输出结果:遍历素数列表,从M的位置到N的位置,输出每10个数一行,格式为"p p p...",不带多余空格。

  • 代码实现:这段代码使用了C++语言,并采用简洁的方法实现了以上功能。为了确保程序高效运行,主执行部分使用了while循环,而非传统的for循环。

    #include 
    #include
    using namespace std;vector
    sieve(int size) { vector
    prime(size, true); prime[0] = prime[1] = false; for (int i = 2; i * i <= size; ++i) { if (prime[i]) { for (int j = i * i; j < size; j += i) { prime[j] = false; } } } vector
    primes; for (int i = 0; i < size; ++i) { if (prime[i]) { primes.push_back(i); } } return primes;}int main() { int m, n; vector
    primes = sieve(1000000); for (int i = 0; i < primes.size(); ++i) { if (i == m -1) { if (m <= n) { // proceed to read M and N } } } // reading M and N here...}

    此代码先生成足够大的素数列表,然后读取输入M和N,最后输出对应的素数。由于问题描述中没有涉及一线输入处理的具体细节,所以这部分需要根据实际情况调整。

    转载地址:http://omyrz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
    查看>>
    OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
    查看>>
    OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>