利用Python实现Fibonacci序列算法的三种方法

算法描述：

即序列中每一个数是它前面两个数的和。
利用算法描述为：

1.procedure f(n)
2.if (n=1) or (n=2) then return 1
3.else return f(n-1)+f(n-2)

下面我们分别用三种方式来实现Fibonacci序列：
方式1：
利用最简单递归实现的算法

def fibonacci1(n):
    # base case
    if n==0 or n==1:
        return 1
    # recurssive case
    else:
        return fibonacci1(n-1) + fibonacci1(n-2)
print [fibonacci1(i) for i in range(10)]

方式2：
使用缓存机制的递归版本

def fibonacci2(n, cache={0: 1, 1: 1}):
    """Fibonacci with recursion and caching."""
    try:
        return cache[n]
    except KeyError:
        cache[n] = fibonacci2(n-1) +fibonacci2(n-2)
        return cache[n]
print [fibonacci2(i) for i in range(10)]

方式3：
没有使用递归的算法实现

def fibonacci3(n):
    """Fibonacci without recursion."""
    a, b = 0, 1
    for i in range(1, n+1):
        a, b = b, a+b
    return b
print [fibonacci3(i) for i in range(10)]

三种方式比较：
测试代码：

start_CPU = time.clock()
fibonacci1(20)
end_CPU = time.clock()
print("fibonacci1: %f CPU seconds" % (end_CPU - start_CPU))

start_CPU = time.clock()
fibonacci2(20)
end_CPU = time.clock()
print("fibonacci2: %f CPU seconds" % (end_CPU - start_CPU))

start_CPU = time.clock()
fibonacci3(20)
end_CPU = time.clock()
print("fibonacci3: %f CPU seconds" % (end_CPU - start_CPU))

结果：

fibonacci1: 0.003158 CPU seconds
fibonacci2: 0.000271 CPU seconds
fibonacci3: 0.000232 CPU seconds

结论：
对于方式1的递归算法而言，当n很大时，时间复杂度为
,换句话来说，计算f(n)所需要的运行时间对于n的值来说是指数的。
对于方式2的递归算法而言，由于它利用了缓存机制，当调用f(n+2)的时候，需要计算f(n+1)和f(n),由于计算f(n+1)的时候已经计算过f(n)了，这里利用缓存将f(n)保存下来，所以每次递归的速度就会很快。
对于方式3这种非递归算法实现的，它的空间复杂度为O(2)，大大减少了空间