斐波那契数列
在学习JAVA的过程中,自己做了一些笔记,借鉴了一些别的大佬的一些见解,做了一些笔记整理。将这篇笔记传到我的博客上来,希望能够对你有所帮助,同时我自己还有些不理解的地方,也做了标注,大家可以和我一起讨论,关于斐波那契数列的问题很早之前整理的,打算发博客后,将斐波那契数列作为第一篇博客发上来,可能有一些不足之处,希望大家多多包涵。主要列举了一些关于力扣上用到斐波那契数列的题目,还有一些扩展。
1、斐波那契算法
:
题目:剑指 Offer 10- I. 斐波那契数列
难度简单
写一个函数,输入 n ,求斐波那契(Fibonacci)数列的第 n 项(即 F(N))。斐波那契数列的定义如下:
F(0) = 0, F(1) = 1
F(N) = F(N - 1) + F(N - 2), 其中 N > 1.
斐波那契数列由 0 和 1 开始,之后的斐波那契数就是由之前的两数相加而得出。
答案需要取模 1e9+7(1000000007),如计算初始结果为:1000000008,请返回 1。
解题思路:
斐波那契数列的定义是 f(n + 1) = f(n) + f(n - 1),生成第 n项的做法有以下几种:
1、递归法:
原理: 把 f(n)问题的计算拆分成 f(n-1) 和 f(n-2) 两个子问题的计算,并递归,以 f(0) 和 f(1) 为终止条件。
缺点: 大量重复的递归计算,例如 f(n) 和 f(n−1) 两者向下递归需要 各自计算f(n−2) 的值。
2、记忆化递归法:
原理: 在递归法的基础上,新建一个长度为 n 的数组,用于在递归时存储 f(0) 至 f(n) 的数字值,重复遇到某数字则直接从数组取用,避免了重复的递归计算。
缺点: 记忆化存储需要使用 O(N) 的额外空间。
3、动态规划:
原理: 以斐波那契数列性质 f(n + 1) = f(n) + f(n - 1)为转移方程。
从计算效率、空间复杂度上看,动态规划是本题的最佳解法。
下图帮助理解递归法的 “重复计算” 概念。
动态规划解析:
状态定义: 设 dp 为一维数组,其中 dp[i] 的值代表 斐波那契数列第 i 个数字 。
转移方程: dp[i + 1] = dp[i] + dp[i - 1] ,即对应数列定义 f(n + 1) = f(n) + f(n - 1);
初始状态: dp[0] = 0, dp[1] = 1 ,即初始化前两个数字;
返回值: dp[n] ,即斐波那契数列的第 n 个数字。
空间复杂度优化:
若新建长度为 n的 dp 列表,则空间复杂度为 O(N) 。
由于 dp列表第 i 项只与第 i-1 和第 i-2 项有关,因此只需要初始化三个整形变量 sum, a, b ,利用辅助变量 sum 使 a, b 两数字交替前进即可 (具体实现见代码) 。
节省了 dp 列表空间,因此空间复杂度降至 O(1) 。
循环求余法:
大数越界: 随着 n 增大, f(n)会超过 Int32 甚至 Int64 的取值范围,导致最终的返回值错误。
求余运算规则: 设正整数 x, y, p ,求余符号为t⊙ ,则有(x+y)⊙p=(x⊙p+y⊙p)⊙p 。
解析: 根据以上规则,可推出 f(n)⊙p=[f(n−1)⊙p+f(n−2)⊙p]⊙p ,从而可以在循环过程中每次计算 sum=(a+b)⊙1000000007 ,此操作与最终返回前取余等价。
//解法1:
public static int fib1(int n) {
int[] f=new int[n+1];//n+1的空间可以存放0-n
//初始条件
if(n==0){
return 0;
}
f[1]=1;
for(int i=2;i<=n;++i){
f[i]=f[i-1]+f[i-2];
f[i]%=1000000007;
}
return f[n];
}
解法2:优化后
时间复杂度:O(n)
空间复杂度:O(1)
public static int fib2(int n) {
if (n == 0) {
return 0;
}
int a = 0;
int b = 1;
for (int i = 2; i <= n; ++i) {
//如果从i=2开始循环,返回b,b代表前面两值相加后值
int sum = a + b;
a = b;
b = sum % 1000000007;
}
return b;//如果n=1,则跳过循环直接返回b=1;
}
public static int fib(int n) {
i