多种方法解答经典斐波那契数列,保证面试官一眼认定你
斐波那契数列题目
斐波那契数,通常用 F(n)
表示,形成的序列称为斐波那契数列。该数列由 0
和 1
开始,后面的每一项数字都是前面两项数字的和。也就是:
F(0) = 0, F(1) = 1
F(N) = F(N - 1) + F(N - 2), 其中 N > 1.
给定 N
,计算 F(N)
。
示例 1:
输入:2
输出:1
解释:F(2) = F(1) + F(0) = 1 + 0 = 1.
示例 2:
输入:3
输出:2
解释:F(3) = F(2) + F(1) = 1 + 1 = 2.
示例 3:
输入:4
输出:3
解释:F(4) = F(3) + F(2) = 2 + 1 = 3.
最简单,性能最差,递归算法
通过题目可以很容易想到最简单的算法就是递归法,要算f(N),必然要知道f(N-1)和f(N-2)的值,要知道f(N-1),就要知道f(N-2)和f(N-3)的值…以此类推,最后f(0)=0,f(1)=1,如下图所示:
算法的时间复杂度是O(2n),大O表示近似于2n,其实像f(1)和f(0)在第四次计算的时候就已经有值了,不需要再往下计算了,所以只能说时间复杂度无限接近2^n. 如果递归深度太大,一方面运行时间很长,另一方面可能导致栈内存溢出。
java代码的实现也是非常简单的,如下:
class Solution {
public int fib(int N) {
// 先写递归的结束条件
if (N==0) {
return 0;
}
if (N==1) {
return 1;
}
// 再写计算过程
return fib(N-2) + fib(N-1);
}
}
当然面试的时候如果这么写,面试官只会认为你的技术很low,写的代码性能不高,只能勉强实现功能,并不能给人惊喜。接下来可以对递归算法进行优化,从上图可以看出很多函数都计算了多次,我们完全可以使用缓存将计算后的结果缓存下来,下次再用到的时候直接从缓存中取,性能岂不更好。
优化性能后的递归算法
使用数组做了数据的缓存,每次计算出来的数据都放入缓存,如果发现缓存中有数据就直接通过数组的下标找到对应的数据,时间复杂度降为O(n),空间复杂度为O(n)
上代码:
class Solution {
Integer[] cache = null;
public int fib(int N) {
if (cache == null) {
cache = new Integer[N+1];
}
if (cache[N]!= null) {
return cache[N];
}
if (N==0) {
cache[N] = 0;
return 0;
}
if (N==1) {
cache[N] = 1;
return 1;
}
int result = fib(N-2) + fib(N-1);
cache[N] = result;
return result;
}
}
递归算法
递归算法也算是很经典的写法,从前往后推,f(0)和f(1)的值是固定的,从f(2)开始计算,f(3),f(4)…f(n)
上代码:
class Solution {
public int fib(int N) {
int first = 0;
int second = 1;
if (N == 0) {
return first;
} else if (N == 1) {
return second;
} else {
int result = 0;
for (int i = 2; i <= N; i ++) {
result = first + second;
first = second;
second = result;
}
return result;
}
}
}
算法的时间复杂度是O(n), 空间复杂度是O(1)
动态规划
能写到这里,面试官就已经对你另眼相看了,接下来就可以用到比较牛逼的动态规划思想,让面试官再次认定你
动态规划是自下而上的迭代,并且把数据缓存下来,需要的时候直接从缓存中取,减少重复计算
上代码:
class Solution {
public int fib(int N) {
Integer[] dp = new Integer[N + 1];
if (N == 0) {
return 0;
}
if (N == 1) {
return 1;
}
if (dp[N] != null) {
return dp[N];
}
dp[0] = 0;
dp[1] = 1;
for (int i = 2; i <= N; i++) {
dp[i] = dp[i - 1] + dp[i - 2];
}
return dp[N];
}
}
时间复杂度O(n),空间复杂度O(n)