【一起来刷Python题】——13.解决“斐波那契数列”问题

⭐今天无意中翻出来了一本笔记，上面有高中班主任的留言，写着：谨记，内心爆发的力量足以让自己恐惧，做最真的自己！自己在一旁也写下了一行这样的话：这个世界没用天才，只有不努力的笨蛋。可能是从哪里抄的，可能真的是有感而发....🌈⭐

问题描述：斐波那契数列因数学家列昂纳多·斐波那契以兔子繁殖为例子引入，故又称为“兔子序列”。一般而言，兔子在出生两个月后，就有繁殖能力，一对兔子每个月能生出一对小兔子来。如果所有小兔子都不死，那么一年以后可以繁殖多少对兔子？ 

程序代码：

def fib_num(n):
    if n <= 1:
        return n
    else:
        return  fib_num(n-1)+fib_num(n-2)
n = int(input("输入斐波那契数列的第n项\n"))
print("斐波那契数列的第", n, "项是", fib_num(n))

程序思路：

月数与兔子对数关系对照表

月数	1	2	3	4	5	6	7	8	...
对数	1	1	2	3	5	8	13	21	...

        表中数字1，1，2，3，5，8...构成的序列，有十分明显的特点：前面相邻两项之和，构成了后一项。这个特点证明：每个月的大兔子数为上月的兔子数，每个月的小兔子数为上月的大兔子数，某月兔子的对数，等于其前面紧邻两个月的和。                                              注意：在使用上述函数fib_num(n)时，分别设置n的值为998和999进行测试，会发现当n为998时能输出正确答案，但当n大于998时会出现下面的错误：                                                        RecursionError: maximum recursion depth exceeded in comparison                                      这是因为Python设置了递归的深度 的默认限制值，目的是避免耗尽计算机的内存，在Windows系统中，这个默认值是998。                                          

使用Memorization(记忆化)优化递归

        上述基于递归的代码虽然简洁，但是效率比较低。 上面的的实例中，由于递归函数会重复调用很多遍函数，传入相同的参数，得到同样的结果，实际上是重复实现同一个行为，导致效率很低。例如计算f(4)=f(3)+f(2)，f(3)=f(2)+f(1)，会计算两次f(2)。

        为了提递归算法的效率，我们考虑使用 Memorization (记忆化)技术优化我们的递归算法。Memorization是一种利用缓存来加速函数调用的技术手段，将消耗较大的调用结果存储起来，当再次遇到相同调用时就从缓存读取结果而无须重新计算，这种方法叫做 LRU(least recently used) 缓存算法。Memorization 技术的核心思想就是建立一个散列，然后把递归算法里的计算结果记录下来，如果在循环中发现重复的计算就之间获取结果。

        在Python中，为我们提供了内置的库函数 functools.lur_cache() 来实现 Memorization 功能。函数lru_cache()是一个内置函数缓存装饰器，具体语法如下所示。

@functools.lru_cache(maxsize=128, typed=False)

🔺参数maxsize：指最大缓存多少个调用，如果赋值为None，则表示无限制缓存，且关闭LRU功能。

🔺参数typed：表示当控制函数参数的类型不同时是否单独缓存。当设置为True时，例如 f(3) 和f(3.0)将会区别对待。

程序示例：

import functools
@functools.lru_cache(maxsize=128, typed=False)
def fib_num(n):
    if n <= 1:
        return n
    else:
        return fib_num(n-1)+fib_num(n-2)

n = int(input("输入斐波那契数列的第n项\n"))
print("斐波那契数列的第", n, "项是", fib_num(n))