斐波那契数列优化

避免重复递归计算，优化算法如下：

public class NFib {
	
	
	public static long F(int n) {
		if(n<=0)
	        return 0;
	    if(n==1||n==2)
	        return 1;
		long f1=1,f2=1,temp = 0;
		for(int i=3;i<=n;i++) {
			temp=f1+f2;
			f1=f2;
			f2=temp;
		}
		return temp;
	}
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		System.out.println(F(9));
	}

}

另一种方式是用矩阵快速幂来算，可以实现O(logN)的时间复杂度。

具体使用方法如下：

public static void main(String[] args) {
		// TODO Auto-generated method stub
		long[][] array= {{1,1},{1,0}};
		for(int i=0;i<array.length;i++)
			for(int j=0;j<array[0].length;j++) {
				System.out.println(array[i][j]);
			}
		System.out.println("********************");
		for(int i=1;i<100;i++) {
			long [][] b=matrixPower(array,i);
			System.out.println(b[0][1]);
		}
	}
	public static long[][] matrixPower(long a[][],long n){
		long ans[][]=new long[a.length][a[0].length];
		for(int i=0;i<ans.length;i++)
			for(int j=0;j<ans[0].length;j++) {
				if(i==j)
					ans[i][j]=1;
				else
					ans[i][j]=0;
			}//初始化为单位矩阵
		while(n!=0) {
			if((n&1)==1)
				ans=twoMatrixPlus(ans,a);
			a=twoMatrixPlus(a,a);
			n=n>>1;
		}
		return ans;
	}
	public static long[][] twoMatrixPlus(long x [][],long y [][]) {//两个矩阵相乘,具有普适性
		long ans[][]=new long[x.length][y[0].length];
		for(int i=0;i<ans.length;i++)
			for(int j=0;j<ans[0].length;j++) {
				ans[i][j]=0;
			}//初始化
		 for(int i=0;i<x.length;i++)
			 for(int j=0;j<y[0].length;j++)
                 for(int p=0;p<x[0].length;p++)
                  ans[i][j]+=(x[i][p]%100000007)*(y[p][j]%100000007)%100000007;
		 return ans;
			              
	}

模100000007可以替换为一个参数，最后输出的b[0][1]位置的数就是下标与幂相等的斐波那契项数。