斐波那契函数
在这个里面的复杂度为O(2^n),会有大量的重复计算,fib(2)就调用了3次,fib(1)就调用了4次。
public static int fib(int n) {
if(n<=1) return n;
return fib(n-1)+fib(n-2);
}
**1:**HashMap 保存,我们用数组来保存把,把 n 作为我们的数组下标,f(n) 作为值,例如 arr[n] = f(n)。f(n) 还没有计算过的时候,我们让 arr[n] 等于一个特殊值,例如 arr[n] = -1。
当我们要判断的时候,如果 arr[n] = -1,则证明 f(n) 没有计算过,否则, f(n) 就已经计算过了,且 f(n) = arr[n]。直接把值取出来就行了。代码如下:
1// 我们实现假定 arr 数组已经初始化好的了。
public class _斐波那契_ {
static int n;
static int [] arr;
public int f(int n){
if(n <= 1){
return n;
}
if(arr[n]>1){ //已经计算好的直接返回。
return arr[n];
}
else{ // 没有计算过,递归计算,并且把结果保存到 arr数组里
arr[n] = f(n-1) + f(n-2);
return arr[n];
}
}
public static void main(String[] args) {
Scanner x=new Scanner(System.in);
System.out.println("请输入要求的数:");
n=x.nextInt();
arr=new int[n+1];
_斐波那契_ w =new _斐波那契_();
// for(int i=0;i<20;i++) {
// arr[i]=-1;
// }
int y=w.f(n);
System.out.println("得到的结果为:");
System.out.println(y);
}
}
也就是说,使用递归的时候,必要
须要考虑有没有重复计算,如果重复计算了,一定要把计算过的状态保存起来。
这里的解释图:他是先遍历f(n-1)的,后返回数组arr[n],是当在第一次递归遍历完全后在f(n-1)在返回指的路上在进行对f(n-2)的递归,f(n-1)是从n-1到0,而f(n-2)是从0到n-2的返回,当再次在递归f(n-2)的时候此时当遍历f(n-1)的时候数组都附上所求的值了,当在此用的时候就直接用返回数组就可以了,这样也就避免了重复加载。
2. 考虑是否可以自底向上,这种方法,也被称为递推。
对于递归的问题,我们一般都是从上往下递归的,直到递归到最底,再一层一层着把值返回。
不过,有时候当 n 比较大的时候,例如当 n = 10000 时,那么必须要往下递归10000层直到 n <=1 才将结果慢慢返回,如果n太大的话,可能栈空间会不够用。
对于这种情况,其实我们是可以考虑自底向上的做法的。例如我知道
f(1) = 1;
f(2) = 2;
那么我们就可以推出 f(3) = f(2) + f(1) = 3。从而可以推出f(4),f(5)等直到f(n)。因此,我们可以考虑使用自底向上的方法来取代递归,代码如下:
在这里面的方式主要运用了关于如何
下面的斐波那契实现的代码的复杂度为:O(n)
public static int fib(int n) {
if(n<=1) return n;
int first=0;
int second=1;
for(int i=0;i<n;i++) {
second+=first;
first=second-first;
}
return second;
}
大概计算复杂度。
在下面这个代码的复杂度为1+3n,判断和执行都算的,在这里我们先进行对i初始化算一次,每次都会判断i<n,这样执行n次,在i++也会执行n次,在System.out.println(“test”);这里执行了n次,所以总共步奏执行了1+3n次了。
public static void test2(int n) {
for(int i=0;i<n;i++) {
System.out.println("test");
}
}
在这里面方法的复杂度是1+2n+n+3nn,因为在第一个for循环中会执行1+2n次在第二个for循环中会执行n次,所以第二个for就是运行n(1+3n)次,
public static void test3(int n) {
for(int i=0;i<n;i++) {
for(int j=0;j<n;j++) {
System.out.println("test");
}
}
}
在这里里面的复杂度为
1+2n+n*(1+45)
1+2n+46n
48n+1,
public static void test3(int n) {
for(int i=0;i<n;i++) {
for(int j=0;j<15;j++) {
System.out.println("test");
}
}
}
在下面的代码中是经历的是log5(n)次
public static void test(int n) {
while((n=n/5)>0) {
System.out.println("test");
}
}
在这下面的代码是1+2log2(n)+log2(n)(1+3n)
public static void test(int n) {
for(int i=1;i<n;i=i*2) {
for(int j=0;j<n;j++) {
System.out.println("test");
}
}
}
大O表示法
其中的log(n)+nlog(n)复杂度会省略低级的为nlog(n)。
打家劫舍(动态规划),三种方法进行实现
对树的深度递归的讲解。
https://blog.csdn.net/warmcore/article/details/78043771
一,运用递归的方法,在这里复杂度会是O(2^n),占用的时间会很多。
public int rob3(int[] nums) {
if(nums==null||nums.length==0)return 0;
return rob3(nums,0);
}
private int rob3(int[] nums,int begin) {
if(begin==nums.length-1)return nums[begin];
if(begin==nums.length-2)return Math.max(nums[begin], nums[begin+1]);
int robCur=nums[begin]+rob3(nums,begin+2);
int robNext=rob3(nums,begin+1);
return Math.max(robCur, robNext);
}
这个看到在理解一下吧。
二,因为在上面调用递归的时候会有大量的重复调用,上面所用的方法和最上面的斐波那契的递归方法情况是一样的,所以可以用数组对数据进行缓存避免重复数据使用,在这里是多次的调用max这个函数进行的,这个可以认为是判断从后向前取最大值的 ,别看原来的时候是从i=0开始的,比如当跑到i=4的时候。这个时候就是判断是否去进行对此时的4进行偷,要进行偷的话就与此时在偷3时最大值进行比较,因为在原来的时候就已经判断了3时,所以这个就可以认为是从后往前偷,这里就比较容易了下面的代码和最后返回的值了。
public int rob(int[] nums) {
if(nums==null||nums.length==0)return 0;
if(nums.length==1) return nums[0];
int[] array=new int[nums.length];
array[0]=nums[0];
array[1]=Math.max(nums[0],nums[1]);
for(int i=2;i<array.length;i++) {
array[i]=Math.max(nums[i]+array[i-2], array[i-1]);
}
return array[array.length-1];
}
三,这个用非递归方法直接运算的,所用的方法是和非递归运算斐波那契所用的方法一样,因为在这里面中我们在求的array[5]此时只需知道array[4]和array[3]就可以了。
public int rob1(int[] nums) {
if(nums==null) return 0;
if(nums.length==0)return 0;
if(nums.length==1)return nums[0];
int prev=nums[0];
int cur=Math.max(nums[0], nums[1]);
for(int i=2;i<nums.length;i++) {
int tmp=cur;
cur=Math.max(nums[i]+prev, cur);
prev=tmp;
}
return cur;
}
四,对第三步骤的简化。
public int rob2(int[] nums) {
if(nums==null)return 0;
int first=0,second=0;
for(int i=0;i<nums.length;i++) {
int tmp=second;
second=Math.max(nums[i]+first, second);
first=tmp;
}
return second;
}