神奇的兔子序列
假设第1个月有1对刚诞生的兔子,第2个月进入成熟期,第3个月开始生育兔子,而1对成熟的兔子每月会生1对兔子,兔子永不死去。那么,由1对初生兔子开始,12个月后会有多少对兔子呢?
注:兔子数列即斐波那契数列,它的发明者是意大利数学家列昂纳多•斐波那契(Leonardo Fibonacci,1170—1250)。1202年,他撰写了《算盘全书》(《Liber Abaci》)一书,该书是一部较全面的初等数学著作。书中系统地介绍了印度—阿拉伯数码及其演算法则,介绍了中国的“盈不足术”;引入了负数,并研究了一些简单的一次同余式组。
案例分析
以1对新出生小兔子为例。
第1个月:小兔子1没有繁殖能力,所以还是1对。
第2个月:小兔子1进入成熟期,还是1对。
第3个月:小兔子1生了1对小兔子2,本月共有2对兔子。
第4个月:小兔子1又生了1对小兔子3,本月共有3对兔子。
第5个月:小兔子1又生了1对小兔子4,而在第3个月出生的小兔子2也生了1对小兔子5,本月共有5对兔子。
第6个月:小兔子1,2,3各生1对小兔子,本月共有8对兔子。
。。。
用图片表示为
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oNdpEFmT-1666346510480)(C:\Users\iDoit\Desktop\兔子.jpg)]
因此可以推出:
n
当月的兔子对数
=
n
上月兔子对数
+
n
上上月兔子对数
n_{当月的兔子对数}=n_{上月兔子对数}+n_{上上月兔子对数}
n当月的兔子对数=n上月兔子对数+n上上月兔子对数
其对应的斐波那契数列如下:
1
,
1
,
2
,
3.5
,
8
,
13
,
21
,
34
,
.
.
.
(1)
1, 1, 2, 3. 5, 8, 13, 21, 34,... \tag1
1,1,2,3.5,8,13,21,34,...(1)
其对应的递归表达式为
F
(
n
)
=
{
1
,
n
=
1
1
,
n
=
2
F
(
n
−
1
)
+
F
(
n
−
2
)
,
n
>
2
(2)
F(n)=\begin{cases} 1 ,\quad n=1 \\ 1 ,\quad n=2 \\ F(n-1)+F(n-2) , \quad n>2 \end{cases} \tag2
F(n)=⎩
⎨
⎧1,n=11,n=2F(n−1)+F(n−2),n>2(2)
根据递归公式,我们可以设计出其对应的递归算法:
//递归的方式
fib(int n)
{
if(n < 1)
{
return -1;
}
if(n == 1 || n == 2) //对应递归表达式中n=1或n=2的情况
{
return 1;
}
return fib(n -1) + fib(n - 2); //对应n>2的情况
}
下面我们分析一下它的时间复杂度,斐波那契数列的通项公式为(其推到过程可自行百度)
F
(
n
)
=
1
5
[
(
1
+
5
2
)
n
(
1
−
5
2
)
n
]
(3)
F(n)=\frac{1}{\sqrt{5}} \Bigg[ \Bigg(\frac{1+{\sqrt{5}}}{2} \Bigg)^n \Bigg(\frac{1-{\sqrt{5}}}{2} \Bigg)^n \Bigg] \tag3
F(n)=51[(21+5)n(21−5)n](3)
当n趋近于无穷的时候,根据其通项公式分析可得,上例算法的时间复杂度为
O
(
(
1
+
5
2
)
n
)
O((\frac{1+{\sqrt{5}}}{2} )^n )
O((21+5)n),属于指数阶的算法。
根据递归公式设计出来的算法时间复杂度过大,影响实际应用的效率,我们不妨从式子(1)入手,从式子(1)可以发现:数列从第三项开始,数列中的每一项都是前两项之和,那我们的算法如果不采用迭代,直接使用数组,是否可以降低其时间复杂度。
//数组的方式
int fib(int n)
{
if( n == 1 || n == 2)
{
return 1;
}
int pre1 = 1; //记录前一项
int pre2 = 1; //记录前二项
for(int i = 3, i <= n; i++)
{
int tmp = pre2 + pre1;
pre2 = pre1;
pre1 = tmp;
}
return pre1;
}
通过上例,可以明显的发现时间算法执行得次数的高阶项只剩n,其复杂度变为 O ( n ) O(n) O(n),时间复杂度大大降低。
我们对斐波那契序列进一步分析,根据公式(2)引入矩阵,可以归纳出公式(4):
[
F
n
+
2
F
n
+
1
]
=
[
1
11
0
]
[
F
n
+
1
F
n
]
=
[
F
2
F
1
F
1
F
0
]
[
F
n
+
1
F
n
]
(4)
\left[ \begin{matrix}F_{n+2} \\F_{n+1}\end{matrix}\right]=\left[ \begin{matrix}1 & 1 1 & 0 \end{matrix}\right] \left[ \begin{matrix} F_{n+1} F_{n}\end{matrix}\right]=\left[ \begin{matrix}F_{2} & F_{1}F_{1} & F_{0}\end{matrix}\right]\left[ \begin{matrix}F_{n+1} F_{n}\end{matrix}\right] \tag4
[Fn+2Fn+1]=[1110][Fn+1Fn]=[F2F1F1F0][Fn+1Fn](4)
其中
F
0
=
0
F_0=0
F0=0(为了分析方便,我们引入
F
0
=
0
F_0=0
F0=0),那么当n=1、2、3的时候会有
n
=
1
时
−
−
−
−
−
−
>
[
F
3
F
2
]
=
[
F
2
F
1
F
1
F
0
]
[
F
2
F
1
]
\\n=1时------>\left[ \begin{matrix}F_{3}F_{2}\end{matrix}\right]= \left[ \begin{matrix}F_{2} & F_{1} \\F_{1} & F_{0}\end{matrix}\right]\left[ \begin{matrix}F_{2} F_{1}\end{matrix}\right]
n=1时−−−−−−>[F3F2]=[F2F1F1F0][F2F1]
n
=
2
时
−
−
−
−
−
−
>
[
F
4
F
3
]
=
[
F
2
F
1
F
1
F
0
]
[
F
3
F
2
]
n=2时------>\left[ \begin{matrix}F_{4} F_{3}\end{matrix}\right]= \left[ \begin{matrix}F_{2} & F_{1} \\ F_{1} & F_{0}\end{matrix}\right]\left[ \begin{matrix}F_{3} F_{2}\end{matrix}\right]
n=2时−−−−−−>[F4F3]=[F2F1F1F0][F3F2]
n
=
3
时
−
−
−
−
−
−
>
[
F
5
F
4
]
=
[
F
2
F
1
F
1
F
0
]
[
F
4
F
3
]
n=3时------>\left[ \begin{matrix}F_{5} F_{4}\end{matrix}\right]=\left[ \begin{matrix}F_{2} & F_{1} \\F_{1} & F_{0}\end{matrix}\right] \left[ \begin{matrix}F_{4} F_{3}\end{matrix}\right]
n=3时−−−−−−>[F5F4]=[F2F1F1F0][F4F3]
根据上面的式子我们可以得到
[
F
n
+
2
F
n
+
1
]
=
[
1
1
1
0
]
n
[
F
1
F
1
]
=
[
1
1
1
0
]
n
[
1
1
]
(6)
\left[ \begin{matrix}F_{n+2} \\F_{n+1}\end{matrix}\right]= \left[ \begin{matrix}1 & 1 \\1 & 0\end{matrix}\right]^{n}\left[ \begin{matrix}F_{1} \\F_{1}\end{matrix}\right]=\left[ \begin{matrix}1 & 1 \\1& 0\end{matrix}\right]^{n}\left[ \begin{matrix}1 \\1\end{matrix}\right]\tag6
[Fn+2Fn+1]=[1110]n[F1F1]=[1110]n[11](6)
由于
F
n
+
2
=
F
n
+
1
+
F
n
、
F
n
+
1
=
F
n
+
F
n
−
1
F_{n+2}=F_{n+1}+F_{n}、F_{n+1}=F_{n}+F_{n-1}
Fn+2=Fn+1+Fn、Fn+1=Fn+Fn−1,结合向量
[
1
1
]
\left[ \begin{matrix} 1\\ 1 \end{matrix} \right]
[11],则有
[
F
n
+
2
F
n
+
1
]
=
[
F
n
+
1
F
n
F
n
F
n
−
1
]
[
1
1
]
(7)
\left[ \begin{matrix}F_{n+2} \\F_{n+1}\end{matrix}\right]=\left[ \begin{matrix}F_{n+1} & F_{n} \\F_{n} & F_{n-1}\end{matrix}\right]\left[ \begin{matrix}1 \\1\end{matrix}\right]\tag7
[Fn+2Fn+1]=[Fn+1FnFnFn−1][11](7)
结合(6),我们可以假设
[
1
1
1
0
]
n
=
[
F
n
+
1
F
n
F
n
F
n
−
1
]
\left[ \begin{matrix}1 & 1 \\1 & 0\end{matrix}\right]^{n}=\left[ \begin{matrix}F_{n+1} & F_{n} \\F_{n} & F_{n-1}\end{matrix}\right]
[1110]n=[Fn+1FnFnFn−1]
我们令
A
=
[
1
1
1
0
]
A=\left[ \begin{matrix}1 & 1 \\1 & 0\end{matrix}\right]
A=[1110],则
A
n
=
[
F
n
+
1
F
n
F
n
F
n
−
1
]
(8)
A^n=\left[ \begin{matrix}F_{n+1} & F_{n} \\F_{n} & F_{n-1}\end{matrix}\right] \tag8
An=[Fn+1FnFnFn−1](8)
事实上,我们可以通过数学归纳法对(8)进行验证(验证过程可自行百度)我们的假设是对。那么我们可以基于(8)继续进行分析。
由(2)和(8)可得
A
2
m
=
A
m
∗
A
m
=
[
F
2
m
+
1
F
2
m
F
2
m
F
2
m
−
1
]
=
[
F
m
+
1
F
m
F
m
F
m
−
1
]
∗
[
F
m
+
1
F
m
F
m
F
m
−
1
]
=
[
F
m
+
1
2
+
F
m
2
F
m
(
F
m
+
2
F
m
−
1
)
F
m
(
F
m
+
2
F
m
−
1
)
F
m
2
+
F
m
−
1
2
]
(9)
A^{2m}=A^m*A^m =\left[ \begin{matrix}F_{2m+1} & F_{2m} \\F_{2m} &F_{2m-1}\end{matrix}\right]=\left[ \begin{matrix}F_{m+1} & F_{m} \\F_{m} & F_{m-1}\end{matrix}\right]* \left[ \begin{matrix}F_{m+1} & F_{m} \\F_{m} & F_{m-1}\end{matrix}\right]\\=\left[ \begin{matrix}F_{m+1}^2+F_m^2 & F_{m}(F_m+2F_{m-1}) \\F_{m}(F_m+2F_{m-1}) & F_{m}^2+F_{m-1}^2\end{matrix}\right]\tag9
A2m=Am∗Am=[F2m+1F2mF2mF2m−1]=[Fm+1FmFmFm−1]∗[Fm+1FmFmFm−1]=[Fm+12+Fm2Fm(Fm+2Fm−1)Fm(Fm+2Fm−1)Fm2+Fm−12](9)
由(9)可得
F
2
m
+
1
=
F
m
+
1
2
+
F
m
2
(10)
F_{2m+1}=F_{m+1}^2+F_m^2 \tag{10}
F2m+1=Fm+12+Fm2(10)
F 2 m = F m ( F m + 2 F m − 1 ) (11) F_{2m}=F_{m}(F_m+2F_{m-1}) \tag{11} F2m=Fm(Fm+2Fm−1)(11)
因此,我们可以判断n的奇偶性,来使用不同的计算方式,对应的代码如下:
//奇偶的方式
int fib(int n)
{
if(n == 1 || n == 2)
{
return 1;
}
int k = (n & 1) == 1 ? (n + 1) /2 : n / 2;
return (n & 1) == 1 ? (fib(k) * fib(k) + fib(k - 1) * fib( k- 1))
: fib(k - 1)) : (2 * fib(k - 1) + fib(k)) * fib(k);
}
接下来我们分析一下该算法的时间复杂度,以 F ( 5 ) F(5) F(5)为例。
fib(5)
/ \
fib(3) fib(2)
/ \
fib(2) fib(1)
通过上面 F ( 5 ) F(5) F(5)的例子,我们可以看到该算法明显的降低了 F ( n ) F(n) F(n)的时间复杂度,其每次以n减半的效率迭代,因此其时间复杂度为 O ( l o g n ) O(logn) O(logn)。