【LeetCode 斐波那契数列】

斐波那契数列（动态规划）

题目描述

设斐波那契数列第 n 个数字为 f(n) 。根据数列定义，可得f(n)=f(n−1)+f(n−2) ，且第 0 , 1 个斐波那契数分别为 f(0)=0 , f(1)=1 。

作者：Krahets 链接：力扣 来源：力扣（LeetCode） 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

方法一：暴力递归

class Solution {
public:
    int fibonacci(int n) {
        if(n==0) return 0;
        if(n==1) return 1;
        return fibonacci(n-1)+fibonacci(n-2);
    }
};

如上图所示，为暴力递归求斐波那契数 f(5) 形成的二叉树，树中的每个节点代表着执行了一次 fibonacci() 函数，且有：

执行一次 fibonacci() 函数的时间复杂度为 O(1) ； 二叉树节点数为指数级 O(2^n) ； 因此，暴力递归的总体时间复杂度为 O(2^n ) 。此方法效率低下，随着 n 的增长产生指数级爆炸。

方法二：记忆化递归

观察发现，暴力递归中的子问题多数都是重叠子问题，即：

 

这些重叠子问题产生了大量的递归树节点，其不应被重复计算。实际上，可以在递归中第一次求解子问题时，就将它们保存；后续递归中再次遇到相同子问题时，直接访问内存赋值即可。记忆化递归的代码如下所示。

class Solution {
public:
    int fibonacci(int n, vector<int> dp)) {
        if(n==0) return 0;
        if(n==1) return 1;
        if(dp[n]!=0) return dp[n];
        return fibonacci(n-1, dp))+fibonacci(n-2, dp));
    }
    int fibonacciMemoried(int n){
        vector<int> dp(n+1,0);
        return fibonacci(n, dp));
    }
};

方法三：动态规划

递归本质上是基于分治思想的从顶至底的解法。借助记忆化递归思想，可应用动态规划从底至顶求取f(n) ，代码如下所示。

class Solution {
public:
    int fibonacci(int n){
        if(n==0) return 0;
        vector<int> dp(n+1,0);
        dp[1]=1;
        for(int i=2;i<=n;i++){
            dp[i]=dp[i-1]+dp[i-2];
        }
        return dp[n];
    }
};

上述动态规划解法借助了一个 dp 数组保存子问题的解，其空间复杂度为 O(N) 。而由于 f(n) 只与 f(n−1) 和 f(n−2) 有关，因此我们可以仅使用两个变量 a , b 交替前进计算即可。此时动态规划的空间复杂度降低至 O(1) ，代码如下所示。

class Solution {
public:
    int fibonacci(int n){
        int a=0,b=1,sum;
        for(int i=0;i<n;i++){
            sum=a+b;
            a=b;
            b=sum;
        }
        return a;
    }
};

小结

记忆化递归和动态规划的本质思想是一致的，是对斐波那契数列定义的不同表现形式：

• 记忆化递归 — 从顶至低： 求 f(n) 需要 f(n−1) 和 f(n−2) ； ⋯ ；求 f(2) 需要 f(1) 和 f(0) ；而 f(1) 和 f(0) 已知；

• 动态规划 — 从底至顶： 将已知 f(0) 和 f(1) 组合得到 f(2) ；⋯ ；将 f(n−2) 和 f(n−1) 组合得到 f(n) ；