【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;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值