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。