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