資料處理：尋找最佳模數使大整數集合取模唯一

給定一組互不相同的大整數 N₁, N₂, …, Nₓ 與上限 M，尋找不超過 M 的整數 P，使所有 Nᵢ mod P 互不相同；並進一步找出符合條件的最小 P。此為數論與組合優化問題，可轉化為「差值集合不被 P 整除」的等價條件。

數學轉換

Nᵢ mod P = Nⱼ mod P ⇔ P | (Nᵢ - Nⱼ)。
因此 P 不能整除任意兩數之差 |Nᵢ - Nⱼ|。令差值集合 D = { |Nᵢ - Nⱼ| : i < j }，問題轉為：

找最小 P ≤ M，使 ∀ d ∈ D, d mod P ≠ 0。

演算法策略

1. 朴素枚舉法（適用小 M）

int findMinP(List<Long> nums, int M) {
    Set<Long> diffs = new HashSet<>();
    for (int i = 0; i < nums.size(); i++)
        for (int j = i + 1; j < nums.size(); j++)
            diffs.add(Math.abs(nums.get(i) - nums.get(j)));

    for (int p = 2; p <= M; p++) {
        boolean ok = true;
        for (long d : diffs) {
            if (d % p == 0) { ok = false; break; }
        }
        if (ok) return p;
    }
    return -1; // 無解
}

時間複雜度 O(x² + M·|D|)，M 較大時不可行。

2. 篩選法優化（類埃氏篩）

• 計算所有差值的質因數分解，標記所有「不可用的 P」。
• 從 2 到 M 掃描，第一個未被標記者即為答案。
• 複雜度取決於差值大小與質因數分解效率。

3. 觀察式啟發（原最佳回答邏輯）

若取 P > max(N)，則所有模數即為原數，必唯一。但受限 P ≤ M，可嘗試：

• 從 max(N) 向下嘗試，或
• 利用 P = floor(max(N)/k) + 1 形式搜尋，因大數除以較小 P 餘數分布較均勻。

實務建議

• 資料量大時，先對數值排序並去重。
• 若 M 極大（如 10⁹），需結合數論性質（如中國剩餘定理、模算術）設計亞線性演算法。
• 工程上常見變體：Hash 表大小選擇、一致性雜湊節點分佈、負載均衡取模策略。

此問題本質為「避開差值集合的因數」，理解數學本質後可根據資料規模選擇枚舉、篩選或啟發式搜尋。