1.时间复杂度 O(2^n) 空间复杂度 O(n)
def fib(n):
if(n<3):
return 1
return f(n-1)+f(n-2)
推导:时间复杂度
f(n) = f(n-1) + f(n-2) 每一层都包含一个加法操作
例如n = 8时,T(n) = 2^0 + 2^1 + 2^2 + 2^3 + 2^4 + 2^5 + 2^6 = 2^7-1
O(n) = 2^7-1 = 2^n
推导:空间复杂度
递归算法是利用栈进行的,在例如计算 f(8)时,栈中最多同时存在f(8)-f(28个元素
,计算某个元素时并不知道哪个元素先入栈,为方便讲解,假设元素大的先入栈。下面计算顺序为栈中元素最多时的顺序
1.计算f(8),f(8)进栈
2.计算f(8)时需要计算f(7)f(6),f(7)先进栈
3.计算f(7)时需要计算f(6)f(5),f(6)先进栈
4.计算f(6)时需要计算f(5)f(4),f(5)先进栈
5.计算f(7)时需要计算f(6)f(5),(4)先进栈
6.计算f(4)时需要计算f(3)f(2),f(3)先进栈
7.计算f(3)时需要计算f(2)f(1),f(2)先进栈,至此,栈中元素最多
8.计算f(2)时,返回1,f(2)出栈
9.根据7计算f(3)时还需要计算f(1),f(1)进栈
10.计算f(1)时,返回1,f(1)出栈
11.得到f(3)=f(2)+f(1) = 2
12.根据4计算f(4)时还需要计算f(4),f(4)进栈
13,计算f(4)时需要计算f(3)f(2),f(3)先入栈
…
2.时间复杂度 O(n) 空间复杂度 O(n)
def fib(n):
tmp = np.zeros(n)
tmp[0] = 1
tmp[1] = 2
for i in range(2,n):
tmp[i] = tmp[i-1]+tmp[i-2]
return tmp[n-1]
3.时间复杂度 O(n) 空间复杂度 O(1)
def fib(n):
a = 1
b = 1
c = 0
for i in range(2,n):
c = a + b
a = b
b = c
return c