关于斐波那契数列数列的三种解法

题解1：(动态规划解法)

动态规划问题可划分为五部曲：

1. 确定dp数组以及下标的含义：这里的的dp[i]是指第i个数的斐波那契数列的值dp[i] ；
2. 确定递推公式:由于斐波那契数列的值是由该位置前两项的值决定的，因此可以得到递推公式 dp[i] = dp[i-1] + dp[i-2] ；
3. 确定dp数组初始化的值，这里我们知道斐波那契数列的前两项为 0 和 1，那么dp[0] = 0 ,dp[1] = 1 ；有了初始化的值，就可以向后不断递推；
4. 确定遍历顺序，我们可以从题意中知道，斐波那契数列的值是由前两项的值得到的，那么自然而然就得从前面开始遍历，才能通过前面的值得到后续位置上的值；
5. 举例推导递推公式，我们可以写出斐波那契数列的正确结果，然后自己尝试通过递推公式，能否得到正确的值；

 具体代码如下：

var fib = function(n) {
    const dp = []
    dp[0] = 0 , dp[1] = 1
    for(let i = 2 ; i <= n ; i++) {
        dp[i] = dp[i-1] + dp[i-2]
    }
    return dp[n]
};

时间复杂度：O(n)        空间复杂度：O(n)

 题解2：动态规划解法优化

我们发现上述代码，其实可以只维护两个数值就可以了，不需要记录整个斐波那契序列，因此可以对代码进行优化，降低空间复杂度。

需要注意的是：下面代码中最终结果返回dp[1]，这里我们将这个dp[1]理解为是for循环结束最终得到的结果，将dp[1]看作是一个变量，而不是一个表示斐波那契数列1位置上的值。

var fib = function(n) {
    if(n <= 1) return n
    const dp = []
    dp[0] = 0
    dp[1] = 1
    for(let i = 2 ; i <= n ; i++) {
        let sum = dp[0] + dp[1]
        dp[0] = dp[1]
        dp[1] = sum
    }
    return dp[1]
};

时间复杂度：O(n)        空间复杂度：O(1)

题解3：递归解法 

递归解法的代码书写更简洁，但时间复杂度比上述两种方法高。

var fib = function(n) {
    //此处写成 n<=1 和 n<2皆可
    if(n <= 1) return n
    return fib(n-1) + fib(n-2)
};

 时间复杂度：O(2^n)        空间复杂度：O(n)