一、题目
写一个函数,输入n,求斐波那契(Fibonacci)数列的第n项。其中通项公式如下:
(n≧2)
二、解法
2.1 方法一:递归
分析:很多教科书在讲述递归函数的时候,都会用斐波那契数列作为例子,并不意味着递归解法最适合这道题目,递归解法会有很严重的效率问题。由于是递归调用,每次调用F函数的时候,会导致F(n)重复计算。因为,每个值最终被拆解为F(1) + F(0)。
如上图想要求F(5), 需要先求 F(3)和F(4), 而想要求F(3)需要先求得F(1)和 F(2)......一层层递归调用,最后得到F(5)= F(1)+F(0)+F(1)+F(0)+F(1)+F(1)+F(0)+F(1) = 8
我们不难发现,这棵树中有很多节点是重复的,而且重复的节点数会随着n的增大而急剧增大,这意味着计算量会随着n的增大而急剧增大。事实上,用递归的方法计算时间复杂度是以n的指数方式递增的。这个算法的时间复杂度有着跟Fibonacci类似的递推方程:T(n) = T(n - 1) + T(n - 2) + O(1),可以得到时间复杂度为T(n) = O(1.618 ^ n),空间复杂度取决于递归的深度,是O(n)具体的如下:
// ====================方法1:递归====================
long long Fibonacci_Solution1(unsigned int n)
{
if(n <= 0)
return 0;
if(n == 1)
return 1;
return Fibonacci_Solution1(n - 1) + Fibonacci_Solution1(n - 2);
}
2.2 方法二:循环
分析:上述递归代码之所以慢,是因为重复的计算太多,我们只要想办法避免重复的计算就行了,比如我们可以把已经计算的数列中间项保存起来,在下次计算的时候我们先查找一下,如果前面已经计算过就不需要重复计算了。
更简单的方法是从下往上计算,首先根据F(0)和F(1)算出F(2), 然后再根据F(1)和F(2)算出F(3)……以此类推就可以算出第n项了,这种思路的时间复杂度是O(n),实现代码如下:
// ====================方法2:循环====================
long long Fibonacci_Solution2(unsigned n)
{
int result[2] = {0, 1};
if(n < 2)
return result[n];
long long fibNMinusOne = 1;
long long fibNMinusTwo = 0;
long long fibN = 0;
for(unsigned int i = 2; i <= n; ++ i)
{
fibN = fibNMinusOne + fibNMinusTwo;
fibNMinusTwo = fibNMinusOne;
fibNMinusOne = fibN;
}
return fibN;
}
2.3 方法三:时间复杂度O(log n)但不够实用的解法
通常面试到这里也就差不多了,尽管我们有比这还快的O(log n)算法,由于这种算法需要用到一个很生僻的数学公式,因此很少有面试官会要求我们掌握。
在介绍这种方法之前需要用到一个公式:
\begin{equation*}
\begin{bmatrix}F_n\\F_{n-1}\end{bmatrix}
=\begin{bmatrix}F_{n-1}+F_{n-2}\\F_{n-1}\end{bmatrix}
=\begin{bmatrix}1\times F_{n-1}+1\times F_{n-2}\\1\times F_{n-1}+0\times F_{n-2}\end{bmatrix}
=\begin{bmatrix}1&1\\1&0\end{bmatrix}\times\begin{bmatrix}F_{n-1}\\F_{n-2}\end{bmatrix}
\end{equation*}
把等式最右边继续算下去,最后得到:
\begin{equation*}
\begin{bmatrix}F_n\\F_{n-1}\end{bmatrix}
=\begin{bmatrix}1&1\\1&0\end{bmatrix}^{n-1}\times\begin{bmatrix}F_{1}\\F_{0}\end{bmatrix}
=\begin{bmatrix}1&1\\1&0\end{bmatrix}^{n-1}\times\begin{bmatrix}1\\0\end{bmatrix}
\end{equation*}
此要求F(n),只要对这个二阶方阵求n - 1次方,最后取结果方阵第一行第一列的数字就可以了。看起来有点儿化简为繁的感觉,但关键点在于,幂运算是可以二分加速的。设有一个方阵a,利用分治法求a的n次方,有:
\begin{equation*}
a^n=\begin{cases}
a^{n/2}\times a^{n/2}&,\text{ if }x\text{ is even}\\
a^{(n-1)/2}\times a^{(n-1)/2}\times a&,\text{ if }x\text{ is odd}
\end{cases}
\end{equation*}
可见复杂度满足T(n) = T(n / 2) + O(1),根据Master定理可得:T(n) = O(log n)。
// ====================方法3:基于矩阵乘法====================
#include <cassert>
struct Matrix2By2
{
Matrix2By2
(
long long m00 = 0,
long long m01 = 0,
long long m10 = 0,
long long m11 = 0
)
:m_00(m00), m_01(m01), m_10(m10), m_11(m11)
{
}
long long m_00;
long long m_01;
long long m_10;
long long m_11;
};
Matrix2By2 MatrixMultiply
(
const Matrix2By2& matrix1,
const Matrix2By2& matrix2
)
{
return Matrix2By2(
matrix1.m_00 * matrix2.m_00 + matrix1.m_01 * matrix2.m_10,
matrix1.m_00 * matrix2.m_01 + matrix1.m_01 * matrix2.m_11,
matrix1.m_10 * matrix2.m_00 + matrix1.m_11 * matrix2.m_10,
matrix1.m_10 * matrix2.m_01 + matrix1.m_11 * matrix2.m_11);
}
Matrix2By2 MatrixPower(unsigned int n)
{
assert(n > 0);
Matrix2By2 matrix;
if(n == 1)
{
matrix = Matrix2By2(1, 1, 1, 0);
}
else if(n % 2 == 0)
{
matrix = MatrixPower(n / 2);
matrix = MatrixMultiply(matrix, matrix);
}
else if(n % 2 == 1)
{
matrix = MatrixPower((n - 1) / 2);
matrix = MatrixMultiply(matrix, matrix);
matrix = MatrixMultiply(matrix, Matrix2By2(1, 1, 1, 0));
}
return matrix;
}
long long Fibonacci_Solution3(unsigned int n)
{
int result[2] = {0, 1};
if(n < 2)
return result[n];
Matrix2By2 PowerNMinus2 = MatrixPower(n - 1);
return PowerNMinus2.m_00;
}