【动态规划入门】斐波拉契

动态规划问题的一般形式就是求最值，核心问题是穷举。因为要求最值，肯定要把所有可行的答案穷举出来，然后在其中找最值。动态规划的穷举有点特别，因为这类问题存在「重叠子问题」，如果暴力穷举的话效率会极其低下，所以需要「备忘录」或者「DP table」来优化穷举过程，避免不必要的计算。而且，动态规划问题一定会具备「最优子结构」。要符合「最优子结构」，子问题间必须互相独立。

关键词：递归（穷举）、求最值、重叠子问题

1、暴力递归

#include<iostream>
using namespace std;
const int maxn = 10010;
int fib(int n) {
	if (n == 1 || n == 2)	return	1;
	return fib(n - 1) + fib(n - 2);
}
int main() {
	int a;
	cin >> a;
	cout << fib(a);
	system("pause");
	return 0;
}

递归算法的时间复杂度怎么计算？子问题个数乘以解决一个子问题需要的时间。

子问题个数，即递归树中节点的总数。显然二叉树节点总数为指数级别，所以子问题个数为 O(2^n)。

解决一个子问题的时间，在本算法中，没有循环，只有 f(n - 1) + f(n - 2) 一个加法操作，时间为 O(1)。

所以，这个算法的时间复杂度为 O(2^n)，指数级别，爆炸。

2、带备忘录的递归

 时间复杂度是 O(n)

#include<iostream>
using namespace std;
const int maxn = 10010;
int memo[maxn] = { 0 };
int fib(int n) {
	if (n == 1 || n == 2) return 1;
	memo[1] = memo[2] = 1;
	if (memo[n-1] != 0&&memo[n-2]!=0)	return memo[n]=memo[n-1]+memo[n-2];
	else
	{
		return memo[n] = fib(n - 1) + fib(n - 2);
	}
	return memo[n];
}
int main() {
	int a;
	cin >> a;
	cout << fib(a);
	system("pause");
	return 0;
}

3、dp数组的迭代解法

#include<iostream>
using namespace std;
const int maxn = 10010;
int dp[maxn] = { 0 };
int fib(int n) {
	dp[1] = 1, dp[2] = 1;
	for (int i = 3; i <= n; i++) {
		dp[i] = dp[i - 1] + dp[i - 2];
	}
	return dp[n];
}
int main() {
	int a;
	cin >> a;
	cout << fib(a);
	system("pause");
	return 0;
}