之前写了一篇从斐波那契数列分析递归与动态规划(JAVA)来优化斐波那契数列,这样可以使算法的时间复杂度从O(n^2)变到O(n),这是使用递归公式f(n)=f(n-1)+f(n-2)求斐波那契数列的最优算法,但是这只是一维世界下的极限。下面我们将其从一维上升到二维,用二阶矩阵推导斐波那契数列,该算法的复杂度为O(logn)。
矩阵定义
一个m*n的矩阵是一个由m行n列元素排成的矩形阵列。矩阵里的元素可以是数字符号或者数学式.
下面是一个典型的二阶矩阵
二阶矩阵的乘法
高效幂运算
第一种方法在高效幂运算(JAVA)中有类似的描述,虽然本文中是对矩阵进行幂运算,实质是一样的
第二种方法利用位运算转换成二进制处理
斐波那契数列的矩阵算法
import java.util.Scanner;
/**
* [F(n+1) F(n)] [1 1 ]^n
| | =| |
[F(n) F(n-1)] [1 0 ]
* */
public class Main {
// 公式矩阵
private static final int[][] UNIT = {{1, 1}, {1, 0}};
// 零矩阵
private static final int[][] ZERO = {{0, 0}, {0, 0}};
public static void main(String[] args) {
Scanner in = new Scanner(System.in);
int n = in.nextInt();
int[][] m = fb(n);
System.out.println(m[0][1]);
}
/**
* 利用二进制进行高效幂运算
* 求斐波那契数列
* */
public static int[][] fb(int n) {
if (n == 0) {
return ZERO;
}
if (n == 1) {
return UNIT;
}
if (n%2 == 0) {
System.out.println(n >> 1);
int[][] matrix = fb(n >> 1);
return Multiply(matrix, matrix);
} else {
int[][] matrix = fb((n - 1) >> 1);
return Multiply(Multiply(matrix, matrix), UNIT);
}
}
/**
* 矩阵乘法
* */
public static int[][] Multiply(int[][] m, int[][] n) {
/**
* 对于斐波那契数列来说,行和列都是2,这样写更易于理解,下面也给出了标准的矩阵乘法算法,是通用的
* 用到此算法,除非进行算法学习和研究,否则一般都是进行较大数据的斐波那契求值,所以对结果取(10e9)+7的模
* */
int[][] r = new int[2][2];
r[0][0] = (m[0][0]*n[0][0] + m[0][1]*n[1][0])%1000000007;
r[0][1] = (m[0][0]*n[0][1] + m[0][1]*n[1][1])%1000000007;
r[1][0] = (m[1][0]*n[0][0] + m[1][1]*n[1][0])%1000000007;
r[1][1] = (m[1][0]*n[0][1] + m[1][1]*n[1][1])%1000000007;
return r;
}
}
标准矩阵乘法算法:
public static int[][] Multiply(int[][] m, int[][] n) {
// 标准计算矩阵乘法算法
int rows = m.length;
int cols = n[0].length;
int[][] r = new int[rows][cols];
for (int i = 0; i < rows; i++) {
for (int j = 0; j < cols; j++) {
r[i][j] = 0;
for (int k = 0; k < m[i].length; k++) {
r[i][j] += m[i][k] * n[k][j];
}
}
}
return r;
}
}