🇬🇧 English
← Zurück zum Hub

📚 Bibliotheken & Benchmarks

Implementierungen und Performance-Analyse beider Ansätze

📦 Verfügbare Bibliotheken

⚡ T0 Period Finding Library v2.1.0
  • Adaptive ξ-Parameter (1/50, 1/100, 1/1000, 1/42)
  • Rationale Arithmetik mit Fraction
  • Periodenbewertung und Resonanzberechnung
  • 83.8% Erfolgsquote bei Semiprimes
  • Deterministische Ergebnisse
🎼 Harmonic Factorization Library v2.1.0
  • 4-Level Hierarchie (BASIS→ULTRA)
  • Logarithmische Oktaven-Reduktion
  • Erweiterte Intervall-Sets (120+ Verhältnisse)
  • Mathematische Grenzen-Filterung
  • LRU-Cache für Optimierung
📊 Benchmark Framework v2.1.0
  • Performance-Vergleiche zwischen Algorithmen
  • Detaillierte Metriken und Statistiken
  • JSON Export/Import für Ergebnisse
  • Adaptive Testfall-Generierung
  • Zeitreihen-Analyse

🛠️ Implementierungs-Übersicht

T0 Period Finding
Periodenfindung mit rationaler Arithmetik und adaptiven ξ-Strategien
Harmonic Factorization
Hierarchische Harmoniesuche mit musikalischen Intervallen
Benchmark Framework
Performance-Analyse und Vergleichstools für beide Ansätze
Optimized Libraries
Erweiterte Versionen mit Cache und Grenzen-Filterung

📈 Performance-Vergleiche

Algorithmus Ansatz Durchschnitt Zeit Erfolgsquote Speicher
T0 Optimiert Periodenfindung 0.0025s 83.8% O(1)
Harmonic Hierarchisch Verhältnissuche 0.8ms 97.1% O(log n)
Trial Division Klassisch 0.135s 100% O(1)
Pollard Rho Probabilistisch 0.05s 60-80% O(1)
Fermat Quadratisch 0.08s 40-60% O(1)
2
Hauptansätze
5
Algorithmus-Varianten
0
Externe Dependencies
100%
Reproduzierbarkeit

🔧 API-Dokumentation

T0 Period Finding:

# T0 Periodenfindung mit adaptiven ξ-Strategien from t0_period_finding import RelativeT0 t0 = RelativeT0() result = t0.factorize(1643) # Automatische ξ-Auswahl print(f"Faktoren: {result['factors']}") print(f"ξ-Strategie: {result['method_specific']['xi_strategy']}") print(f"Resonanz: {result['method_specific']['resonance_score']}")

Harmonic Factorization:

# Harmonische Faktorisierung mit Hierarchie from optimized_harmonic_lib import OptimizedHarmonicFactorizer factorizer = OptimizedHarmonicFactorizer(base_tolerance_cents=50.0) result = factorizer.factorize(221, verbose=True) print(f"Harmonie: {result.harmonic_name}") print(f"Level: {result.level_name}") print(f"Abweichung: {result.deviation_cents:.1f} Cents")

🔬 Technische Details

# Rationale Arithmetik - Kernprinzip beider Ansätze from fractions import Fraction # Exakte Verhältnisse statt Fließkommazahlen pi_exact = Fraction(355, 113) # Sehr genaue π-Approximation xi_value = Fraction(1, 100) # Adaptive ξ-Parameter # T0: Periodenbewertung mit exakten Verhältnissen def calculate_period_score(r, xi): omega = Fraction(2) * pi_exact / Fraction(r) diff = omega - pi_exact score = Fraction(1) / (Fraction(1) + abs(diff / xi)) return score # Harmonic: Logarithmische Cents-Berechnung def calculate_cents_deviation(ratio1, ratio2): return abs(1200 * math.log2(float(ratio1 / ratio2)))

Warum rationale Arithmetik?

🎯 Praktische Anwendung

# Beispiel: Vollständiger Workflow mit beiden Ansätzen from t0_period_finding import RelativeT0 from optimized_harmonic_lib import OptimizedHarmonicFactorizer def analyze_number(n): """Analysiere Zahl mit beiden Ansätzen""" # T0 Periodenfindung t0 = RelativeT0() t0_result = t0.factorize(n) # Harmonische Faktorisierung harmonic = OptimizedHarmonicFactorizer() harmonic_result = harmonic.factorize(n) print(f"Zahl: {n}") print(f"T0 Erfolg: {t0_result['factors'] is not None}") print(f"Harmonic Erfolg: {harmonic_result.success}") if harmonic_result.success: print(f"Musikalisches Intervall: {harmonic_result.harmonic_name}") print(f"Hierarchie-Level: {harmonic_result.level_name}") return t0_result, harmonic_result # Test verschiedener Zahlentypen test_numbers = [221, 323, 1643, 2491, 10403] for num in test_numbers: analyze_number(num)