Fibonacci数列

斐波那契数列，又称黄金分割数列，指的是这样一个数列：0、1、1、2、3、5、8、13、21、……

F(n)={1                                   n=0，1

           F(n-1)+F(n-2)             n>1

一、由递归算法可得：

public static int Fibonacci_Solution1(int n)
{
    if(n<=1)  return  1;
    return Fibonacci_Solution1(n-1)+Fibonacci_Solution1(n-2);
}

缺点：递归由于调用函数自身，有时间和空间的消耗，函数的调用机制可由下表示：

1 、建立栈空间

2 、保护现场（将当前主调函数的执行状态和返回地址保存在栈中）

3、为被调函数的局部变量（包括形参）分配栈空间，并将实参值传递给形参。

4、执行被调函数直至返回语句或函数结束处

5、释放被调函数的所有局部变量栈空间

6、恢复现场。取出主调函数的执行状态及返回地址，释放栈空间。

递归的本质是将一个问题分解成两个或者多个小问题，如果小问题存在相互重叠的部分，那么就存在重复的计算。

递归还可能引起：调用栈溢出。每一次调用函数都在内存栈中分配空间，而每个进程的栈的容量是有限的。当递归调用的层级太多时，就会超出栈的容量。

二、迭代法（避免重复计算，保留中间项，从下往上）

long 和 int 范围是[-2^31,2^31-1]，即-2147483648~2147483647，而unsigned范围是[0,2^32-1]，即0~4294967295，所以常规的32位整数只能够处理40亿左右，当遇到比40亿大的多的数就要用到64位。 long long / unsigned long long 一般是Linux下申明方式、如：G++。

windows下需要用long long或，__int64配合%I64d。而在UNIX、Linux中必须使用标准C规定的long long配合%lld。

#include "stdafx.h"
#include <stdio.h>
#include <stdlib.h>
#include "iostream"
using namespace std;
// ====================方法2：循环====================
long long Fibonacci_Solution2(unsigned n)
{
    int result[2] = {0, 1};
    if(n < 2)
        return result[n];

    long long  fibNMinusOne = 1;
    long long  fibNMinusTwo = 0;
    long long  fibN = 0;
    for(unsigned int i = 2; i <= n; ++ i)
    {
        fibN = fibNMinusOne + fibNMinusTwo;

        fibNMinusTwo = fibNMinusOne;
        fibNMinusOne = fibN;
    }

     return fibN;
}

int _tmain(int argc, _TCHAR* argv[])
{
	long long a= Fibonacci_Solution2(100);
	printf("%I64u\n",a);
	//std::cout<<a<<endl;
	system("pause");
    return 0;
}

迭代法的时间复杂度为O(n)，使用的内存空间也不会动态上涨。

三、通项公式法

F(n)=(1/√5)*{[(1+√5)/2]^n - [(1-√5)/2]^n}

具体推导过程可参考：1、http://baike.baidu.com/link?url=nVfTTJJdRBbCsaNWnL0IZInkk8RCDrfqVtJKFQEf98H9L0lDV6zAxBFuch_Cg0cU

                                        2、http://blog.163.com/zhuxun2@126/blog/static/3631555720071024105814506/

function y = Fib(n)
sr5 = sqrt(5);
y = uint32((((1 + sr5) / 2) ^ n - ((1 - sr5) / 2) ^ n) / sr5);
end

　该方法的时间复杂度貌似为O(1)，但我们还应该考虑乘方运算的时间消耗。不加特别优化时，用乘法实现n次乘方的时间复杂度为O(n)。考虑到浮点数计算效率和精度问题。