动态规划-斐波那契数列/零钱兑换问题python

学习参考-公众号（labuladong/代码随想录）

斐波那契数列-简单-20210822

1. 题目描述

写一个函数，输入 n ，求斐波那契（Fibonacci）数列的第 n 项（即 F(N)）。斐波那契数列的定义如下：

斐波那契数列由 0 和 1 开始，之后的斐波那契数就是由之前的两数相加而得出。

答案需要取模 1e9+7（1000000007），如计算初始结果为：1000000008，请返回 1。【存储上限问题】

F(0) = 0,   F(1) = 1
F(N) = F(N - 1) + F(N - 2), 其中 N > 1.

示例：

输入：n = 2
输出：1

输入：n = 5
输出：5

2. 题目解答

2.1 暴力解法-递归

超时(重叠子问题)

计算原问题 f(20)，我就得先计算出子问题 f(19) 和 f(18)，然后要计算 f(19)，我就要先算出子问题 f(18) 和 f(17)，以此类推。最后遇到 f(1) 或者 f(2) 的时候，结果已知，就能直接返回结果，递归树不再向下生长了

存在大量重复计算，比如 f(18) 被计算了两次，更何况，还不止 f(18) 这一个节点被重复计算，所以这个算法及其低效。

时间复杂度：$O(2^N)$

class Solution:
    def fib(self, n: int) -> int:
        if n==0: return 0
        if n==1: return 1
        return self.fib(n-1) + self.fib(n-2)

2.2 带备忘录的递归「自顶向下」

记忆化递归法/记忆化搜索recursion with memorization/递归树的剪枝

耗时的原因：重复计算

解决：在递归法的基础上，创建一个长度为 n 「备忘录：数组/哈希表」，每次算出某个子问题的答案后别急着返回，在递归时存储 f(0)至 f(n) 的数字值再返回；重复遇到某数字则直接从数组取用，避免了重复的递归计算

把一棵存在巨量冗余的递归树通过「剪枝」（比如：再次计算f(19)时，不需要再计算f(18)，只需要计算f(17)即可），改造成了一幅不存在冗余的递归图，极大减少了子问题（即递归图中节点）的个数

算法不存在冗余计算，子问题就是 f(1), f(2), f(3) … f(20)，数量和输入规模 n = 20 成正比，所以子问题个数为 O(n)。

时间复杂度：$O(N)$

空间复杂度：需要使用 $O(N)$的额外空间

class Solution:
    def fib(self, n: int) -> int:
        dic  = {
   }
        def dp(n):
            if n < 2: return n
            if n in dic: return dic[n]
            dic[n] = dp(n-1) + dp(n-2)
            return dic[n]
        return dp(n)%1000000007

bug：

#  运行超时
#  原因：dic内没有存上值, 每次调用函数会把dic清空
class Solution:
    def fib(self, n: int) -> int:
        dic = {
   }
        if n==0: return 0
        if n==1: return 1
        if n in dic: return dic[n]
        dic[n] = self.fib(n-1) + self.fib(n-2)
        return dic[n]
    

2.3 动态规划「自底向上」

动态规划的思路：
直接从最底下，最简单，问题规模最小的 f(1) 和 f(2) 开始往上推，直到推到我们想要的答案 f(20)，也是为什么动态规划一般都脱离了递归，而是由循环迭代完成计算。

时间复杂度：$O(N)$

空间复杂度：需要使用 $O(N)$的额外空间

class