Miller-Rabin Monte Carlo Algorithm judge prime number

package csm.work;

public class Question_10 {
/*
 * 题目: 使用Miller-Rabin算法与确定性算法相比较，并给出100~10000以内错误的比例。
 *
 * 思路：Miller-Rabin算法简介：
 * n为素数，则有n-1 = (2^k)*q ， 则以下条件之一必成立。
 * (1) a^q mod n =1
 * (2) a^q,a^(2q),a^(4q).....a^(2^(k-1)*q) mod n = -1
 *
 * 相反，满足条件则不一定是素数，但很有很大几率，可以用多个a测试提高概率
 * 不满足则一定不是素数
 *
 *
 * 实验结果可以看出错误的比例很小，如果用多个a测试的话，比例则会更小
 * 这里a取2 ， 错误比例约为5.0E-4
*/
    
    //Miller-Rabin算法
    public static boolean testByMR(int n,int a)
    {
        int q=n-1,k=0;
        while(q%2==0)
        {
            q/=2;
            k++;
        }
        int t = 1;
        for(int i=0;i<q;i++)
        {
            t*=a;
            t%=n;
        }
        if(t==1)
            return true;
        for(int i=0;i<k;i++)
        {
            if(t == n-1)
                return true;
            t = t*t;//如果规模较大的话，这个点可能会溢出
            t%=n;
        }
        return false;
    }
    
    // 确定算法
    public static int primer[] = new int[10000];
    public static int num = 1;
    
    public static boolean isPrimeNumber(int n)
    {
        for(int i=0;i<num;i++)
        {
            if(n%primer[i]==0)
                return false;
        }
        primer[num++] = n;
        return true;
    }
    
    public static void main(String[] args) {
        
        Question_10.primer[0] = 2;
        int size = 10000;
        int wrong = 0;
        for(int i=3;i<size;i+=2)
        {
            //System.out.println("当前是"+i);
            boolean r1 = Question_10.isPrimeNumber(i);
            //System.out.println("使用确定性算法结果：" +r1);
            boolean r2 = Question_10.testByMR(i, 2);
            //System.out.println("使用MR蒙特卡罗概率算法结果 "+r2);
            if(r1 != r2)
            {
                wrong++;
                if(r2)
                    System.out.println("有待研究啊" +i);
            }
        }
        System.out.println("错误比例约为" +(wrong/(size*1.0)));
        
        //Question_10.testByMR(47741, 2);
    }

}