509.斐波那契数

509.斐波那契数

本题涉及内容：递归问题、动态规划问题、快速幂问题

题目链接https://leetcode-cn.com/problems/fibonacci-number/

递归

过于简单，直接看代码

int Fib(int n){
	if(n<=0)return 0;
	else if(n==1)return 1;
	else return Fib(n-1)+Fib(n-2);
}//这里定义Fib(0)=0,Fib(1)=1;后续项为前两项之和 

时间复杂度：$O(2^n)$

动态规划

注意自顶向下的方法对本题复杂度几乎没有任何优化，所以直接采用自底向上实现

int Fib(int n){
	if(n==0)return 0;
	else if(n==1)return 1;
	else{
		int p,q,i,tmp;
		for(p=0,q=1,i=2;i<=n;i++){
			tmp=q;
			q=p+q;
			p=tmp;
		}
		return q;
	}
}

Tips：动态规划尽量采用自底向上实现，不仅时间复杂度稳稳小于自顶向下，而且有利于重构解。（自顶向下的唯一一个有点就是思路比较符合正常逻辑）

---

下面的才是重点

基于矩阵乘法的快速幂实现

先了解一下快速幂算法

快速幂的基本原理，就是通过将$x^n$利用减少乘法次数的方式，将时间复杂度由$O(n)$降低到$O(log(n))$

下面简单介绍一个相关的例子：

$3^{10}=3\ast 3\ast 3\ast 3\ast 3\ast 3\ast 3\ast 3\ast 3\ast 3\to (3\ast 3)\ast (3\ast 3)\ast (3\ast 3)\ast (3\ast 3)\ast (3\ast 3)\to 9\ast 9\ast 9\ast 9\ast 9\to (9\ast 9)\ast (9\ast 9)\ast 9......$
KaTeX parse error: Expected 'EOF', got '&' at position 28: …3*3*3*3*3*3*3*3&̲普通计算方法:乘法次数9\\3…

时间复杂度：快速幂乘法次数实际上就是固定的平方乘法+幂为奇数是的额外乘法（可以不考虑），所以总时间复杂度为$O(log(n))$

快速幂算法实现

int Fast_Pow(int x,int n){//返回x的n次
	if(n==0)return 1;
	else if(n%2==0){
		int tmp=Fast_Pow(x,n/2);//注意保存tmp，这是优化关键
		return tmp*tmp;
	}
	else return x*Fast_Pow(x,n-1));
}

矩阵乘法

通过如下转化图，可以看出矩阵求幂与斐波那契数列之间的关系
$$\left[\begin{array}{cc}1& 1\\ 1& 0\end{array}\right]\left[\begin{array}{c}Fib(n-1)\\ Fib(n-2)\end{array}\right]=\left[\begin{array}{c}Fib(n-1)+Fib(n-2)\\ Fib(n-1)\end{array}\right]=\left[\begin{array}{c}Fib(n)\\ Fib(n-1)\end{array}\right]$$
可见其中的递归性质，由此可以总结得到公式
$$Fib(n)={\left[\begin{array}{cc}1& 1\\ 1& 0\end{array}\right]}^{n-1}\left[\begin{array}{c}Fib(1)\\ Fib(0)\end{array}\right]$$
同理，那么3位的泰波那契数该怎么求呢$Trib(n)=Trib(n-1)+Trib(n-2)+Trib(n-3)$
$$\begin{gathered} ?\ast \left[\begin{array}{c}Trib(n-1)\\ Trib(n-2)\\ Trib(n-3)\end{array}\right]->\left[\begin{array}{c}Trib(n)\\ Trib(n-1)\\ Trib(n-2)\end{array}\right] \\ ?=\left[\begin{array}{ccc}1& 1& 1\\ 1& 0& 0\\ 0& 1& 0\end{array}\right] \end{gathered}$$

所以只需将快速幂的算法带入矩阵乘法即可

int **Matrix_Mul(int **m1,int **m2){//2*2矩阵乘法
	int **res=(int**)calloc(sizeof(int**),2);
	res[0]=(int*)calloc(sizeof(int),2);
	res[1]=(int*)calloc(sizeof(int),2);
	res[0][0]=m1[0][0]*m2[0][0]+m1[0][1]*m2[1][0];
	res[0][1]=m1[0][0]*m2[0][1]+m1[0][1]*m2[1][1];
	res[1][0]=m1[1][0]*m2[0][0]+m1[1][1]*m2[1][0];
	res[1][1]=m1[1][0]*m2[0][1]+m1[1][1]*m2[1][1];
	return res;
}
int** Fast_Pow(int **x,int n){//返回x的n次
	if(n==1)return x;
	else if(n%2==0){
		int **tmp=Fast_Pow(x,n/2);
		return Matrix_Mul(tmp,tmp);
	}
	else return Matrix_Mul(x,Fast_Pow(x,n-1));
}
int Fib(int n){
	if(n==0)return 0;
	if(n==1)return 1;
	int m=n-1;
	int **x=(int**)calloc(sizeof(int**),2);
	x[0]=(int*)calloc(sizeof(int),2);
	x[1]=(int*)calloc(sizeof(int),2);
	x[0][0]=x[1][0]=x[0][1]=1;x[1][1]=0;
	int **res=Fast_Power(x,m);
	return res[0][0];
}//这里定义Fib(0)=0,Fib(1)=1;后续项为前两项之和 

最后附上运行时间的比较

小结

快速幂算法其实还能做一些小优化，之后的博客里会讲到