神奇的兔子序列（斐波那契数列）

最新推荐文章于 2023-10-19 21:09:44 发布

艰默

最新推荐文章于 2023-10-19 21:09:44 发布

阅读量1.3k

点赞数 1

文章标签：算法

本文链接：https://blog.csdn.net/jianmo1993/article/details/127451578

版权

14天阅读挑战赛

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：
$n_{当月的兔子对数}=n_{上月兔子对数}+n_{上上月兔子对数}$
其对应的斐波那契数列如下：
$\tag1$
其对应的递归表达式为
$F(n)=\begin{cases} 1 ,\quad n=1 \\ 1 ,\quad n=2 \\ F(n-1)+F(n-2) , \quad n>2 \end{cases} \tag2$
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）
$F(n)=\frac{1}{\sqrt{5}} \Bigg[ \Bigg(\frac{1+{\sqrt{5}}}{2} \Bigg)^n \Bigg(\frac{1-{\sqrt{5}}}{2} \Bigg)^n \Bigg] \tag3$
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 $O((\frac{1+{\sqrt{5}}}{2} )^n )$ ，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 $O (n)$ ，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）：
$\left[ \begin{matrix}F_{n+2} \\F_{n+1}\end{matrix}\right]=\left[ \begin{matrix}1 & 1 1 & 0 \end{matrix}\right] \left[ \begin{matrix} F_{n+1} F_{n}\end{matrix}\right]=\left[ \begin{matrix}F_{2} & F_{1}F_{1} & F_{0}\end{matrix}\right]\left[ \begin{matrix}F_{n+1} F_{n}\end{matrix}\right] \tag4$
其中 $F_0=0$ （为了分析方便，我们引入 $F_0=0$ ），那么当n=1、2、3的时候会有
$\\n=1时------>\left[ \begin{matrix}F_{3}F_{2}\end{matrix}\right]= \left[ \begin{matrix}F_{2} & F_{1} \\F_{1} & F_{0}\end{matrix}\right]\left[ \begin{matrix}F_{2} F_{1}\end{matrix}\right]$
$n=2时------>\left[ \begin{matrix}F_{4} F_{3}\end{matrix}\right]= \left[ \begin{matrix}F_{2} & F_{1} \\ F_{1} & F_{0}\end{matrix}\right]\left[ \begin{matrix}F_{3} F_{2}\end{matrix}\right]$

$n=3时------>\left[ \begin{matrix}F_{5} F_{4}\end{matrix}\right]=\left[ \begin{matrix}F_{2} & F_{1} \\F_{1} & F_{0}\end{matrix}\right] \left[ \begin{matrix}F_{4} F_{3}\end{matrix}\right]$
根据上面的式子我们可以得到
$\left[ \begin{matrix}F_{n+2} \\F_{n+1}\end{matrix}\right]= \left[ \begin{matrix}1 & 1 \\1 & 0\end{matrix}\right]^{n}\left[ \begin{matrix}F_{1} \\F_{1}\end{matrix}\right]=\left[ \begin{matrix}1 & 1 \\1& 0\end{matrix}\right]^{n}\left[ \begin{matrix}1 \\1\end{matrix}\right]\tag6$
由于 $F_{n+2}=F_{n+1}+F_{n}、F_{n+1}=F_{n}+F_{n-1}$ ，结合向量 $\left[ \begin{matrix} 1\\ 1 \end{matrix} \right]$ ，则有
$\left[ \begin{matrix}F_{n+2} \\F_{n+1}\end{matrix}\right]=\left[ \begin{matrix}F_{n+1} & F_{n} \\F_{n} & F_{n-1}\end{matrix}\right]\left[ \begin{matrix}1 \\1\end{matrix}\right]\tag7$

结合（6），我们可以假设
$\left[ \begin{matrix}1 & 1 \\1 & 0\end{matrix}\right]^{n}=\left[ \begin{matrix}F_{n+1} & F_{n} \\F_{n} & F_{n-1}\end{matrix}\right]$

我们令 $A=\left[ \begin{matrix}1 & 1 \\1 & 0\end{matrix}\right]$ ，则
$A^n=\left[ \begin{matrix}F_{n+1} & F_{n} \\F_{n} & F_{n-1}\end{matrix}\right] \tag8$
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
$A^{2m}=A^m*A^m =\left[ \begin{matrix}F_{2m+1} & F_{2m} \\F_{2m} &F_{2m-1}\end{matrix}\right]=\left[ \begin{matrix}F_{m+1} & F_{m} \\F_{m} & F_{m-1}\end{matrix}\right]* \left[ \begin{matrix}F_{m+1} & F_{m} \\F_{m} & F_{m-1}\end{matrix}\right]\\=\left[ \begin{matrix}F_{m+1}^2+F_m^2 & F_{m}(F_m+2F_{m-1}) \\F_{m}(F_m+2F_{m-1}) & F_{m}^2+F_{m-1}^2\end{matrix}\right]\tag9$
由（9）可得
$F_{2m+1}=F_{m+1}^2+F_m^2 \tag{10}$

$F_{2m}=F_{m}(F_m+2F_{m-1}) \tag{11}$

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 $F (5)$ 为例。

						fib(5)   
                     /         \
               fib(3)          fib(2)   
             /        \              
         fib(2)      fib(1)

通过上面 $F (5)$ 的例子，我们可以看到该算法明显的降低了 $F (n)$ 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 $O (l o g n)$ 。