斐波那契数列
f(n) = f(n-1)+f(n-2),(n>=2)
f(n) = 1,(n = 1)
f(n) = 0,(n=0)
这里很容易得到函数的递归形式
直接给出C++代码
int Fibonacci(int n)
{
if (n <= 0)
return 0;
if (n == 1)
return 1;
return Fibonacci(n - 1) + Fibonacci(n - 2);
}
但是递归有一个坏处,就是计算值会重复,那么相应的时间复杂度会指数增加,举例:计算f(10) = f(9)+f(8),f(9) = f(8)+f(7),f(8) = f(7)+f(6).....这里发现f(9)、f(8)、f(7)....计算了两次
可以利用自底向上进行计算
int Fibonacci2(int n)
{
int result[2] = { 0, 1 };
if (n < 2)
return result[n];
int num0 = 0;
int num1 = 1;
int sum = 0;
for (int i = 2; i <= n; i++)
{
sum = num0 + num1;
num0 = num1;
num1 = sum;
}
return sum;
}
这样避免了重复计算,这里也算是运用了动态规划的思想吧
说到动态规划,那么也讲一讲动态规划的核心思想:找子结构
举个例子:找一串字符串的最长回文串
那么运用动态规划的思想,如果最长回文串为s,那么s的子串也是回文串,那么可以声明一个二维数组P[][],数组中的元素P[i][j],其中(i<=j),表示从字符串位置i到j是否为回文串,那么P[i][j] = (P[i+1][j-1]&&s.at(i) == s.at[j])
所以相应代码如下
string findLongestPalindrome(string &s)
{
const int length=s.size();
int maxlength=0;
int start;
bool P[50][50]={false};
for(int i=0;i<length;i++)//初始化准备
{
P[i][i]=true;
if(i<length-1&&s.at(i)==s.at(i+1))
{
P[i][i+1]=true;
start=i;
maxlength=2;
}
}
for(int len=3;len<length;len++)//子串长度
for(int i=0;i<=length-len;i++)//子串起始地址
{
int j=i+len-1;//子串结束地址
if(P[i+1][j-1]&&s.at(i)==s.at(j))
{
P[i][j]=true;
maxlength=len;
start=i;
}
}
if(maxlength>=2)
return s.substr(start,maxlength);
return NULL;
}