Fibonacci斐波那契数列面试与算法分析

最新推荐文章于 2024-09-09 11:18:04 发布

boonya

最新推荐文章于 2024-09-09 11:18:04 发布

阅读量1k

点赞数

分类专栏：计算机科学与技术文章标签：算法菲波那切数列

本文链接：https://blog.csdn.net/boonya/article/details/44346751

版权

计算机科学与技术专栏收录该内容

12 篇文章 1 订阅

订阅专栏

面试经历总结斐波那契算法

问题：有一数列1,1,2,3,5,8.........................,n，它的后一项是前两项之和，求第n项=?

分析：要求出n的值需要知道它的前两项是n-2,n-1;所以由此可以推导在某种情况下有f(n)=f(n-2)+f(n-1)。

需要注意的是：

当n=1,f(1)=1;

当n=2,f(2)=1;

当n=3,f(3)=f(1)+f(2)=2;

..............................

此时开始满足f(n)=f(n-2)+f(n-1)且n>=3;所以它的反面是f(n)=1当n<3。

// 正确答案

public long f(long n)
{
     if (n < 3)
         return 1;
    else
         return f(n - 1) + f(n-2);
}

// 错误答案，漏掉了第二项，会造成内存溢出错误

public long f2(long n)
{
      if (n ==1)
             return 1;
    else
           return f2(n - 1) + f2(n-2);
}

注：算的时候最好将结果带入进去验证，错误答案是我在30秒内给面试官的答案,当时有点小紧张脑袋不好使了，漏掉了n=2的情况。

斐波那契算法分析

以下内容转自：http://www.cnblogs.com/end/archive/2011/10/26/2225688.html（斐波那契数列算法分析）

背景：

假定你有一雄一雌一对刚出生的兔子，它们在长到一个月大小时开始交配，在第二月结束时，雌兔子产下另一对兔子，过了一个月后它们也开始繁殖，如此这般持续下去。每只雌兔在开始繁殖时每月都产下一对兔子，假定没有兔子死亡，在一年后总共会有多少对兔子？

在一月底，最初的一对兔子交配，但是还只有1对兔子；在二月底，雌兔产下一对兔子，共有2对兔子；在三月底，最老的雌兔产下第二对兔子，共有3对兔子；在四月底，最老的雌兔产下第三对兔子，两个月前生的雌兔产下一对兔子，共有5对兔子；……如此这般计算下去，兔子对数分别是：1, 1, 2, 3, 5, 8, 13, 21, 34, 55,89, 144, ...看出规律了吗？从第3个数目开始，每个数目都是前面两个数目之和。这就是著名的斐波那契（Fibonacci）数列。

有趣问题：

1，有一段楼梯有10级台阶,规定每一步只能跨一级或两级,要登上第10级台阶有几种不同的走法?

答：这就是一个斐波那契数列：登上第一级台阶有一种登法；登上两级台阶，有两种登法；登上三级台阶，有三种登法；登上四级台阶，有五种方法……所以，1，2，3，5，8，13……登上十级，有89种。

2，数列中相邻两项的前项比后项的极限是多少，就是问，当n趋于无穷大时，F(n)/F(n+1)的极限是多少？

答：这个可由它的通项公式直接得到，极限是(-1+√5)/2，这个就是所谓的黄金分割点，也是代表大自然的和谐的一个数字。

数学表示：

Fibonacci数列的数学表达式就是：

F(n) = F(n-1) + F(n-2)

F(1) = 1

F(2) = 1

递归程序1：

Fibonacci数列可以用很直观的二叉递归程序来写，用C++语言的描述如下：

long fib1(int n)

{

if (n <= 2)

{

return 1;

}

else

{

return fib1(n-1) + fib1(n-2);

}

看上去程序的递归使用很恰当，可是在用VC2005的环境下测试n=37的时候用了大约3s，而n=45的时候基本下楼打完饭也看不到结果……显然这种递归的效率太低了！！

递归效率分析：

例如，用下面一个测试函数：

long fib1(int n, int* arr)

{

arr[n]++;

if (n <= 2)

{

return 1;

}

else

{

return fib1(n-1, arr) + fib1(n-2, arr);

}

这时，可以得到每个fib(i)被计算的次数：

fib(10) = 1 fib(9) = 1 fib(8) = 2 fib(7) = 3

fib(6) = 5 fib(5) = 8 fib(4) = 13 fib(3) = 21

fib(2) = 34 fib(1) = 55 fib(0) = 34

可见，计算次数呈反向的Fibonacci数列，这显然造成了大量重复计算。

我们令T(N)为函数fib(n)的运行时间，当N>=2的时候我们分析可知：

T(N) = T(N-1) + T(N-2) + 2

而fib(n) = fib(n-1) + fib(n-2)，所以有T(N) >= fib(n)，归纳法证明可得：

fib(N) < (5/3)^N

当N>4时，fib（N）>= (3/2)^N

标准写法：

显然这个O（(3/2)^N）是以指数增长的算法，基本上是最坏的情况。

其实，这违反了递归的一个规则：合成效益法则。

合成效益法则（Compound interest rule）：在求解一个问题的同一实例的时候，切勿在不同的递归调用中做重复性的工作。

所以在上面的代码中调用fib(N-1)的时候实际上同时计算了fib(N-2)。这种小的重复计算在递归过程中就会产生巨大的运行时间。

递归程序2：

用一叉递归程序就可以得到近似线性的效率，用C++语言的描述如下：

long fib(int n, long a, long b, int count)

{

if (count == n)

return b;

return fib(n, b, a+b, ++count);

}

long fib2(int n)

{

return fib(n, 0, 1, 1);

}

这种方法虽然是递归了，但是并不直观，而且效率上相比下面的迭代循环并没有优势。

迭代解法：

Fibonacci数列用迭代程序来写也很容易，用C++语言的描述如下：

//也可以用数组将每次计算的f(n)存储下来，用来下次计算用（空间换时间）

long fib3 (int n)

{

long x = 0, y = 1;

for (int j = 1; j < n; j++)

{

y = x + y;

x = y - x;

}

return y;

}

这时程序的效率显然为O（N），N = 45的时候<1s就能得到结果。

矩阵乘法：

我们将数列写成：

Fibonacci[0] = 0，Fibonacci[1] = 1

Fibonacci[n] = Fibonacci[n-1] + Fibonacci[n-2] (n >= 2)

可以将它写成矩阵乘法形式：

将右边连续的展开就得到：

下面就是要用O(log(n))的算法计算：

显然用二分法来求，结合一些面向对象的概念，C++代码如下：

class Matrix

{

public:

      long matr[2][2];

       Matrix(const Matrix&rhs);

       Matrix(long a,long b, long c, long d);

       Matrix&operator=(const Matrix&);

      friend Matrix operator*(const Matrix& lhs,const Matrix& rhs)

       {

              Matrix ret(0,0,0,0);

              ret.matr[0][0] = lhs.matr[0][0]*rhs.matr[0][0] + lhs.matr[0][1]*rhs.matr[1][0];

              ret.matr[0][1] = lhs.matr[0][0]*rhs.matr[0][1] + lhs.matr[0][1]*rhs.matr[1][1];

              ret.matr[1][0] = lhs.matr[1][0]*rhs.matr[0][0] + lhs.matr[1][1]*rhs.matr[1][0];

              ret.matr[1][1] = lhs.matr[1][0]*rhs.matr[0][1] + lhs.matr[1][1]*rhs.matr[1][1];

             return ret;

       }

};

Matrix::Matrix(long a,long b, long c, long d)

{

      this->matr[0][0] = a;

      this->matr[0][1] = b;

      this->matr[1][0] = c;

      this->matr[1][1] = d;

}

Matrix::Matrix(const Matrix &rhs)

{

      this->matr[0][0] = rhs.matr[0][0];

      this->matr[0][1] = rhs.matr[0][1];

      this->matr[1][0] = rhs.matr[1][0];

      this->matr[1][1] = rhs.matr[1][1];

}

Matrix& Matrix::operator =(const Matrix &rhs)

{

      this->matr[0][0] = rhs.matr[0][0];

      this->matr[0][1] = rhs.matr[0][1];

      this->matr[1][0] = rhs.matr[1][0];

      this->matr[1][1] = rhs.matr[1][1];

      return *this;

}

Matrix power(const Matrix& m,int n)

{

      if (n == 1)

             return m;

      if (n%2 == 0)

             return power(m*m, n/2);

      else

             return power(m*m, n/2) * m;

}

long fib4 (int n)

{

       Matrix matrix0(1, 1, 1, 0);

       matrix0 = power(matrix0, n-1);

      return matrix0.matr[0][0];

}

这时程序的效率为O（log(N)）。

公式解法：

在O（1）的时间就能求得到F(n)了：

注意：其中[x]表示取距离x最近的整数。

用C++写的代码如下：

long fib5(int n)

{

double z = sqrt(5.0);

double x = (1 + z)/2;

double y = (1 - z)/2;

return (pow(x, n) - pow(y, n))/z + 0.5;

}

这个与数学库实现开方和乘方本身效率有关的，我想应该还是在O(log(n))的效率。

总结：

上面给出了5中求解斐波那契数列的方法，用测试程序主函数如下：

int main()

{

cout << fib1(45) << endl;

cout << fib2(45) << endl;

cout << fib3(45) << endl;

cout << fib4(45) << endl;

cout << fib5(45) << endl;

return 0;

}

函数fib1会等待好久，其它的都能很快得出结果，并且相同为：1134903170。

而后面两种只有在n = 1000000000的时候会显示出优势。由于我的程序都没有涉及到高精度，所以要是求大数据的话，可以通过取模来获得结果的后4位来测试效率与正确性。

另外斐波那契数列在实际工作中应该用的很少，尤其是当数据n很大的时候（例如：1000000000），所以综合考虑基本普通的非递归O(n)方法就很好了，没有必要用矩阵乘法。

附录：

程序全部源码：

#include<iostream>

#include<vector>

#include<string>

#include<cmath>

#include<fstream>

usingnamespace std;

class Matrix

{

public:

long matr[2][2];

Matrix(const Matrix&rhs);

Matrix(long a,long b, long c, long d);

Matrix&operator=(const Matrix&);

friend Matrix operator*(const Matrix& lhs,const Matrix& rhs)

{

Matrix ret(0,0,0,0);

ret.matr[0][0] = lhs.matr[0][0]*rhs.matr[0][0] + lhs.matr[0][1]*rhs.matr[1][0];

ret.matr[0][1] = lhs.matr[0][0]*rhs.matr[0][1] + lhs.matr[0][1]*rhs.matr[1][1];

ret.matr[1][0] = lhs.matr[1][0]*rhs.matr[0][0] + lhs.matr[1][1]*rhs.matr[1][0];

ret.matr[1][1] = lhs.matr[1][0]*rhs.matr[0][1] + lhs.matr[1][1]*rhs.matr[1][1];

return ret;

}

};

Matrix::Matrix(long a,long b, long c, long d)

{

this->matr[0][0] = a;

this->matr[0][1] = b;

this->matr[1][0] = c;

this->matr[1][1] = d;

}

Matrix::Matrix(const Matrix &rhs)

{

this->matr[0][0] = rhs.matr[0][0];

this->matr[0][1] = rhs.matr[0][1];

this->matr[1][0] = rhs.matr[1][0];

this->matr[1][1] = rhs.matr[1][1];

}

Matrix& Matrix::operator =(const Matrix &rhs)

{

this->matr[0][0] = rhs.matr[0][0];

this->matr[0][1] = rhs.matr[0][1];

this->matr[1][0] = rhs.matr[1][0];

this->matr[1][1] = rhs.matr[1][1];

return *this;

}

Matrix power(const Matrix& m,int n)

{

if (n == 1)

return m;

if (n%2 == 0)

return power(m*m, n/2);

else

return power(m*m, n/2) * m;

}

//普通递归

long fib1(int n)

{

if (n <= 2)

{

return 1;

}

else

{

return fib1(n-1) + fib1(n-2);

}

/*上面的效率分析代码

long fib1(int n, int* arr)

{

arr[n]++;

if (n <= 1)

{

return 1;

}

else

{

return fib1(n-1, arr) + fib1(n-2, arr);

}

long fib(int n,long a, long b, int count)

{

if (count == n)

return b;

return fib(n, b, a+b, ++count);

}

//一叉递归

long fib2(int n)

{

return fib(n, 0, 1, 1);

}

//非递归方法O(n)

long fib3 (int n)

{

long x = 0, y = 1;

for (int j = 1; j < n; j++)

{

y = x + y;

x = y - x;

}

return y;

}

//矩阵乘法O(log(n))

long fib4 (int n)

{

Matrix matrix0(1, 1, 1, 0);

matrix0 = power(matrix0, n-1);

return matrix0.matr[0][0];

}

//公式法O(1)

long fib5(int n)

{

double z = sqrt(5.0);

double x = (1 + z)/2;

double y = (1 - z)/2;

return (pow(x, n) - pow(y, n))/z + 0.5;

}

int main()

{

//n = 45时候fib1()很慢

int n = 10;

cout << fib1(n) << endl;

cout << fib2(n) << endl;

cout << fib3(n) << endl;

cout << fib4(n) << endl;

cout << fib5(n) << endl;

return 0;

}

以下内容转自：http://www.cnblogs.com/end/archive/2011/10/26/2225723.html

斐波那契数列Log(n)算法

想法源于题目：一个人一次可以上一个台阶，也可以上两个台阶，问上到20级台阶有多少种走法？

这就是一个斐波那契数列：登上第一级台阶有一种登法；登上两级台阶，有两种登法；登上三级台阶，有三种登法；登上四级台阶，有五种方法……所以，1，2，3，5，8，13……

我们也会发现：

f(3) = f(2) + f(1);

f(4) = 2*(f2)+1*f(1);

f(5) =  3*(f2) + 2*f(1);

f(6) = 5*f(2) + 3*f(1);

..........

f(n) = a*f(x) + b * f(y);

a,b同样是斐波那契数列中的数；同时发现当：

a+x == n && b+y ==n-1 && x == y+1时等式成立；

可以得到如下O(log(n))的算法：

/// <summary>
        /// 基本原理为:
        /// n为偶数时f(n)=f(n/2)*f(n/2)+f(n-1)*f(n-1);
        /// n为基数时f(n)=f(n/2+1)*f(n/2)+f(n/2)*f(n/2-1);
        /// </summary>
        /// <param name="n"></param>
        /// <returns></returns>
        public static long Fn2(int n)
        {
            if (1 < n)
            {
                var steps = new Stack<int>();
                while (n > 2) 
                {
                    steps.Push(n);
                    n /= 2;
                } 

                long r1 = 2, r2 = 3;
                while (steps.Count > 0) 
                {
                    int tmp = steps.Pop();
                    if (3 < tmp)
                    {
                        long tr1;
                        long tr2;
                        if (0 == tmp%2)
                        {
                            tr1 = 2*r1*r1 + r2*r2 - 2*r1*r2;
                            tr2 = 2*r1*r2 - r1*r1;
                            r1 = tr1;
                            r2 = tr2;
                        }
                        else
                        {
                            tr1 = 2*r1*r2 - r1*r1;
                            tr2 = r1*r1 + r2*r2;
                            r1 = tr1;
                            r2 = tr2;
                        }
                    }
                    else
                    {
                        r1 = 3;
                        r2 = 5;
                    }

                }
                return r1;
            }
            if (1 == n) return 1;
            return -1;

        }