缓存优化线性筛选
Cache optimized linear sieve
摘要：
在不同的数论算法中，筛选是必不可少的。筛选大素数会破坏内存访问的局部性，从而降低性能。我们对如何解决这个问题的建议是结合使用循环数据结构和就地桶排序。我们提出了我们的结果上实现的筛选的埃拉托色尼，使用这些想法，这表明，这种方法是更强大的，受慢记忆。
英文摘要：
Sieving is essential in different number theoretical algorithms. Sieving with large primes violates locality of memory access, thus degrading performance. Our suggestion on how to tackle this problem is to use cyclic data structures in combination with in-place bucket-sort. We present our results on the implementation of the sieve of Eratosthenes, using these ideas, which show that this approach is more robust and less affected by slow memory.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
