logN求Fibonacci数列第N项
- 斐波那契数列通项公式 F ( i ) = F ( i − 1 ) + F ( i − 2 ) F(i)=F(i-1)+F(i-2) F(i)=F(i−1)+F(i−2)
- 以下介绍两种复杂度为 O ( l o g N ) O(logN) O(logN)的算法
- 两种方法思想类似
1. 动态规划
- 当我们尝试将 F ( i − 1 ) F(i-1) F(i−1)和 F ( i − 2 ) F(i-2) F(i−2)进行继续拆解时(始终保持两项),发现两项的系数始终是斐波那契数列中的某一相邻两项
- 因此,F(i)一定可以可以由4个项组成
- F ( i ) = F ( i − a ) F ( i − x ) + F ( i − b ) F ( i − ( x − 1 ) ) F(i)=F(i-a)F(i-x)+F(i-b)F(i-(x-1)) F(i)=F(i−a)F(i−x)+F(i−b)F(i−(x−1))
- 当 a = 0 a=0 a=0时则为 F ( i ) = F ( 2 ) F ( i − 1 ) + F ( 1 ) F ( i − 2 ) F(i)=F(2)F(i-1)+F(1)F(i-2) F(i)=F(2)F(i−1)+F(1)F(i−2)
- 且a,b,x具有一定关系
思路
a,b,x有多种可能
此时需要算4个小项才能合并到1个大项
若这4个项中有相同的项,则可以简化计算
此外,越大的项,计算的复杂度越大,反之越小
因此我们可以想到取 i / 2 i/2 i/2 附近的项
- 通过递推得(也可以用较小的
i
i
i找找规律)
- 当 i i i为奇数时, F ( i ) = F 2 ( i / 2 + 1 ) + F 2 ( i / 2 ) F(i)=F^2(i/2+1)+F^2(i/2) F(i)=F2(i/2+1)+F2(i/2)
- 当 i i i为偶数时, F ( i ) = F ( i / 2 + 1 ) ∗ F ( i / 2 ) + F ( i / 2 ) ∗ F ( i / 2 − 1 ) F(i)=F(i/2+1)*F(i/2)+F(i/2)*F(i/2-1) F(i)=F(i/2+1)∗F(i/2)+F(i/2)∗F(i/2−1)
即我们将一个递推项分成2或3项分别计算后再合并
- 可以分析复杂度为 O ( l o g N ) O(logN) O(logN)
- 注:在实际程序实现中,不能直接
return F(i/2+1)*F(i/2)+F(i/2)*F(i/2-1)
,这样会造成计算冗余- 应该先保存下结果,计算后
return
DP代码
int Fibonacci(int x) // logN
{
if (x == 1 || x == 2) return 1;
if (x % 2 != 0)
{
int F1 = Fibonacci(x / 2 + 1), F2 = Fibonacci(x / 2);
return F1 * F1 + F2 * F2;
}
else
{
int F1 = Fibonacci(x / 2 + 1), F2 = Fibonacci(x / 2), F3 = Fibonacci(x / 2 - 1);
return F1 * F2 + F2 * F3;
}
}
2. 矩阵分治
- 结合矩阵的知识,我们可以知道斐波那契数列符合
- 于是随着等号右边中的斐波那契项的项数 i i i降低,该矩阵就不断左乘
因此可以基于矩阵结合律计算若干项矩阵乘积,再左乘 F ( 1 ) a n d F ( 2 ) F(1) and F(2) F(1)andF(2)
- 设该矩阵
为A
- 则 A n = A n / 2 ∗ A n / 2 A^n=A^{n/2}*A^{n/2} An=An/2∗An/2
- 其中 A n / 2 A^{n/2} An/2只需计算一项
- 依次类推
这就是
快速幂
的思想快速幂讲解
代码
int[2][2] Matrix(int x)
{
int a[2][2] = { { 1, 1 }, { 0, 1 } };
if (x == 1) return a;
int b[2][2] = Matrix(x / 2);
if (x % 2 == 0) return b * b; // 省略矩阵乘法
return b * b * a;
}