By LongLuo
斐波那契数列(Fibonacci sequence),又称黄金分割数列,因数学家莱昂纳多·斐波那契(Leonardoda Fibonacci)以兔子繁殖为例子而引入,故又称为“兔子数列”,指的是这样一个数列: 0 , 1 , 1 , 2 , 3 , 5 , 8 , 13 , 21 , 34 , 55 , 89 , 144 , 233 … … 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233…… 0,1,1,2,3,5,8,13,21,34,55,89,144,233……
这个数列从第3项开始,每一项都等于前两项之和。
斐波那契数的边界条件是 F ( 0 ) = 0 F(0)=0 F(0)=0和 F ( 1 ) = 1 F(1)=1 F(1)=1。当 n > 1 n>1 n>1时,每一项的和都等于前两项的和,因此有如下递推关系:
F ( n ) = F ( n − 1 ) + F ( n − 2 ) F(n)=F(n-1)+F(n-2) F(n)=F(n−1)+F(n−2)
算法一: 递归(recursion)
显而易见斐波那契数列存在递归关系,很容易想到使用递归方法来求解:
public class Solution {
public static int fib(int n) {
if (n <= 1) {
return n;
}
return fib(n - 1) + fib(n - 2);
}
public static void main(String[] args) {
System.out.println("1 ?= " + fib(1));
System.out.println("1 ?= " + fib(2));
System.out.println("2 ?= " + fib(3));
}
}
复杂度分析:
时间复杂度:
T
(
n
)
=
T
(
n
−
1
)
+
T
(
n
−
2
)
T(n)=T(n-1)+T(n-2)
T(n)=T(n−1)+T(n−2),可见是指数级的。
我们可以写出其实现递归树,如下所示:
fib(5)
/ \
fib(4) fib(3)
/ \ / \
fib(3) fib(2) fib(2) fib(1)
/ \ / \ / \
fib(2) fib(1) fib(1) fib(0) fib(1) fib(0)
/ \
fib(1) fib(0)
可以看出其做了很多重复性的计算,因此对于数值比较大时,其性能是灾难性的。
空间复杂度: O ( n ) O(n) O(n),函数递归栈。
算法二: 动态规划(dynamic programming)
因为斐波那契数列存在递推关系,因为也可以使用动态规划来实现。动态规划的状态转移方程即为上述递推关系,边界条件为 F ( 0 ) F(0) F(0)和 F ( 1 ) F(1) F(1)。
class Solution {
public static int fib(int n) {
/* Declare an array to store Fibonacci numbers. */
int f[] = new int[n + 2]; // 1 extra to handle case, n = 0
int i;
/* 0th and 1st number of the series are 0 and 1*/
f[0] = 0;
f[1] = 1;
for (i = 2; i <= n; i++) {
/* Add the previous 2 numbers in the series and store it */
f[i] = f[i - 1] + f[i - 2];
}
return f[n];
}
}
复杂度分析:
时间复杂度:
O
(
n
)
O(n)
O(n)。
空间复杂度:
O
(
n
)
O(n)
O(n)。
算法三:记录值的动态规划实现
针对算法二,我们可以将计算好的值存储起来以避免重复运算,如下所示:
// Initialize array of dp
public static int[] dp = new int[10];
public static int fib(int n) {
if (n <= 1) {
return n;
}
// Temporary variables to store values of fib(n-1) & fib(n-2)
int first, second;
if (dp[n - 1] != -1) {
first = dp[n - 1];
} else {
first = fib(n - 1);
}
if (dp[n - 2] != -1) {
second = dp[n - 2];
} else {
second = fib(n - 2);
}
// Memoization
return dp[n] = first + second;
}
复杂度分析
时间复杂度:
O
(
n
)
O(n)
O(n)
空间复杂度:
O
(
n
)
O(n)
O(n)
算法四: 空间优化的动态规划(Space Optimized)
算法二时间复杂度和空间复杂度都是 O ( n ) O(n) O(n),但由于 F ( n ) F(n) F(n)只和 F ( n − 1 ) F(n-1) F(n−1)与 F ( n − 2 ) F(n-2) F(n−2)有关,因此可以使用滚动数组思想把空间复杂度优化成 O ( 1 ) O(1) O(1)。代码如下所示:
class Solution {
public int fib(int n) {
if (n < 2) {
return n;
}
int p = 0, q = 0, r = 1;
for (int i = 2; i <= n; ++i) {
p = q;
q = r;
r = p + q;
}
return r;
}
}
复杂度分析:
时间复杂度:
O
(
n
)
O(n)
O(n)。
空间复杂度:
O
(
1
)
O(1)
O(1)。
算法五:矩阵幂
使用矩阵快速幂的方法可以降低时间复杂度。
首先我们可以构建这样一个递推关系:
[ 1 1 1 0 ] [ F ( n ) F ( n − 1 ) ] = [ F ( n ) + F ( n − 1 ) F ( n ) ] = [ F ( n + 1 ) F ( n ) ] \begin{bmatrix} 1 & 1 \\ 1 & 0 \\ \end{bmatrix} \begin{bmatrix} F(n) \\ F(n−1) \\ \end{bmatrix} = \begin{bmatrix} F(n)+F(n−1) \\ F(n) \\ \end{bmatrix} = \begin{bmatrix} F(n+1) \\ F(n) \\ \end{bmatrix} [1110][F(n)F(n−1)]=[F(n)+F(n−1)F(n)]=[F(n+1)F(n)]
因此:
[ F ( n + 1 ) F ( n ) ] = [ 1 1 1 0 ] n [ F ( 1 ) F ( 0 ) ] \left[ \begin{matrix} F(n + 1)\\ F(n) \end{matrix} \right] = \left[ \begin{matrix} 1 & 1 \\ 1 & 0 \end{matrix} \right] ^n \left[ \begin{matrix} F(1)\\ F(0) \end{matrix} \right] [F(n+1)F(n)]=[1110]n[F(1)F(0)]
令:
M = [ 1 1 1 0 ] M = \left[ \begin{matrix} 1 & 1 \\ 1 & 0 \end{matrix} \right] M=[1110]
因此只要我们能快速计算矩阵 M M M的 n n n次幂,就可以得到 F ( n ) F(n) F(n)的值。如果直接求取 M n M^n Mn,时间复杂度是 O ( n ) O(n) O(n),
class Solution {
public static int fib(int n) {
int F[][] = new int[][]{{1, 1}, {1, 0}};
if (n == 0) {
return 0;
}
power(F, n - 1);
return F[0][0];
}
/* Helper function that multiplies 2 matrices F and M of size 2*2, and
puts the multiplication result back to F[][] */
public static void multiply(int F[][], int M[][]) {
int x = F[0][0] * M[0][0] + F[0][1] * M[1][0];
int y = F[0][0] * M[0][1] + F[0][1] * M[1][1];
int z = F[1][0] * M[0][0] + F[1][1] * M[1][0];
int w = F[1][0] * M[0][1] + F[1][1] * M[1][1];
F[0][0] = x;
F[0][1] = y;
F[1][0] = z;
F[1][1] = w;
}
/* Helper function that calculates F[][] raise to the power n and puts the
result in F[][]
Note that this function is designed only for fib() and won't work as general
power function */
public static void power(int F[][], int n) {
int i;
int M[][] = new int[][]{{1, 1}, {1, 0}};
// n - 1 times multiply the matrix to {{1,0},{0,1}}
for (i = 2; i <= n; i++) {
multiply(F, M);
}
}
}
复杂度分析
时间复杂度:
O
(
n
)
O(n)
O(n),在于计算矩阵的
n
n
n次幂。
空间复杂度:
O
(
1
)
O(1)
O(1)。
算法六:矩阵快速幂(分治快速幂运算)
算法五的时间复杂度是 O ( n ) O(n) O(n),但可以降低到 O ( log n ) O(\log n) O(logn),因为可以使用分治算法加快幂运算,加速这里 M n M^n Mn的求取。如下所示:
class Solution {
public int fib(int n) {
if (n < 2) {
return n;
}
int[][] q = {{1, 1}, {1, 0}};
int[][] res = pow(q, n - 1);
return res[0][0];
}
public int[][] pow(int[][] a, int n) {
int[][] ret = {{1, 0}, {0, 1}};
while (n > 0) {
if ((n & 1) == 1) {
ret = multiply(ret, a);
}
n >>= 1;
a = multiply(a, a);
}
return ret;
}
public int[][] multiply(int[][] a, int[][] b) {
int[][] c = new int[2][2];
for (int i = 0; i < 2; i++) {
for (int j = 0; j < 2; j++) {
c[i][j] = a[i][0] * b[0][j] + a[i][1] * b[1][j];
}
}
return c;
}
}
复杂度分析
时间复杂度:
O
(
log
n
)
O(\log n)
O(logn)。
空间复杂度:
O
(
log
n
)
O(\log n)
O(logn),函数栈。
算法七:斐波那契数新算法求解
这是另外一种求解斐波那契数的算法,证明如下:
1. 矩阵形式的通项
( F n + 2 F n + 1 ) = ( 1 , 1 1 , 0 ) ⋅ ( F n + 1 F n ) \begin{pmatrix} F_{n+2}\\ F_{n+1} \end{pmatrix} = \begin{pmatrix} 1,&1\\ 1,&0 \end{pmatrix} \cdot \begin{pmatrix} F_{n+1}\\ F_{n} \end{pmatrix} (Fn+2Fn+1)=(1,1,10)⋅(Fn+1Fn)
不妨令: A = ( 1 , 1 1 , 0 ) A=\begin{pmatrix} 1,&1\\ 1,&0 \end{pmatrix} A=(1,1,10), F 1 = 1 F_1=1 F1=1, F 0 = 0 F_0=0 F0=0,证明:
A n = ( F n + 1 , F n F n , F n − 1 ) A^n=\begin{pmatrix} F_{n+1},&F_n\\ F_n,&F_{n-1} \end{pmatrix} An=(Fn+1,Fn,FnFn−1)
采用数学归纳法进行证明,
1. 当 k = 1 k=1 k=1时:
A 1 = ( F 2 , F 1 F 1 , F 0 ) A^1=\begin{pmatrix}F_{2},&F_1 \\ F_1,&F_{0} \end{pmatrix} A1=(F2,F1,F1F0)
显然成立!
2. 当 k = n k=n k=n时:
A n + 1 = A n ⋅ A = ( F n + 1 , F n F n , F n − 1 ) ⋅ ( 1 , 1 1 , 0 ) = ( F n + 2 , F n + 1 F n + 1 , F n ) A^{n+1}=A^n\cdot A=\begin{pmatrix} F_{n+1},&F_n \\ F_n,&F_{n-1} \end{pmatrix}\cdot \begin{pmatrix} 1,&1\\ 1,&0 \end{pmatrix}=\begin{pmatrix} F_{n+2},&F_{n+1}\\ F_{n+1},&F_{n} \end{pmatrix} An+1=An⋅A=(Fn+1,Fn,FnFn−1)⋅(1,1,10)=(Fn+2,Fn+1,Fn+1Fn)
2. 偶数项和奇数项
因为 A n = ( F n + 1 , F n F n , F n − 1 ) A^n=\begin{pmatrix}F_{n+1},&F_n \\ F_n,&F_{n-1} \end{pmatrix} An=(Fn+1,Fn,FnFn−1),则有:
A 2 m = A m ⋅ A m A^{2m} = A^m \cdot A^m A2m=Am⋅Am
因为:
A 2 m = ( F 2 m + 1 , F 2 m F 2 m , F 2 m − 1 ) A^{2m}= \begin{pmatrix} F_{2m+1}, &F_{2m} \\ F_{2m}, &F_{2m-1}\end{pmatrix} A2m=(F2m+1,F2m,F2mF2m−1)
所以:
A 2 m = ( F m + 1 , F m F m , F m − 1 ) ⋅ ( F m + 1 , F m F m , F m − 1 ) = ( F m + 1 2 + F m 2 , F m ( F m + 2 F m − 1 ) F m ( F m + 2 F m − 1 ) , F m 2 + F m − 1 2 ) A^{2m}= \begin{pmatrix} F_{m+1},&F_m\\ F_m,&F_{m-1} \end{pmatrix}\cdot \begin{pmatrix} F_{m+1},&F_m\\ F_m,&F_{m-1} \end{pmatrix} \\ = \begin{pmatrix} F^2_{m+1}+F^2_{m},&F_m(F_m+2F_{m-1})\\ F_m(F_m+2F_{m-1}),&F^2_m+F^2_{m-1} \end{pmatrix} A2m=(Fm+1,Fm,FmFm−1)⋅(Fm+1,Fm,FmFm−1)=(Fm+12+Fm2,Fm(Fm+2Fm−1),Fm(Fm+2Fm−1)Fm2+Fm−12)
所以有:
F 2 m + 1 = F m + 1 2 + F m 2 F 2 m = F m ( F m + 2 F m − 1 ) F_{2m+1}=F^2_{m+1}+F^2_{m} \\ F_{2m}=F_m(F_m+2F_{m-1}) F2m+1=Fm+12+Fm2F2m=Fm(Fm+2Fm−1)
3. 矩形形式求解Fib(n)
因为涉及到矩阵幂次,考虑到数的幂次的递归解法:
n n n为奇数: n = 2 k + 1 n=2k+1 n=2k+1
F n = F 2 k + 1 = F k + 1 2 + F k 2 F n + 1 = F 2 k + 2 = F k + 1 ( F k + 1 + 2 F k ) F_n =F_{2k+1}= F^2_{k+1}+F^2_{k} \\ F_{n+1}=F_{2k+2}=F_{k+1}(F_{k+1}+2F_k) Fn=F2k+1=Fk+12+Fk2Fn+1=F2k+2=Fk+1(Fk+1+2Fk)
n n n为偶数: n = 2 k n=2k n=2k
F n = F 2 k = F k ( F k + 2 F k − 1 ) = F k ( F k + 2 ( F k + 1 − F k ) ) F n + 1 = F 2 k + 1 = F k + 1 2 + F k 2 F_n=F_{2k}=F_k(F_k+2F_{k-1})=F_k(F_k+2(F_{k+1}-F_k)) \\ F_{n+1}=F_{2k+1}=F^2_{k+1}+F^2_{k} Fn=F2k=Fk(Fk+2Fk−1)=Fk(Fk+2(Fk+1−Fk))Fn+1=F2k+1=Fk+12+Fk2
根据上述公式,我们可以写出如下代码:
public static int MAX = 1000;
public static int f[];
// Returns n'th fibonacci number using
// table f[]
public static int fib(int n) {
if (n == 0) {
return 0;
}
if (n == 1 || n == 2) {
return (f[n] = 1);
}
// If fib(n) is already computed
if (f[n] != 0) {
return f[n];
}
int k = (n & 1) == 1 ? (n + 1) / 2 : n / 2;
// Applying above formula [Note value n&1 is 1 if n is odd, else 0.
f[n] = (n & 1) == 1 ? (fib(k) * fib(k) + fib(k - 1) * fib(k - 1)) : (2 * fib(k - 1) + fib(k)) * fib(k);
return f[n];
}
复杂度分析
时间复杂度:
O
(
log
n
)
O(\log n)
O(logn)。
空间复杂度:
O
(
1
)
O(1)
O(1)。
算法八:通项公式(Using Formula)
斐波那契数 F ( n ) F(n) F(n)是齐次线性递推,根据递推方程 F ( n ) = F ( n − 1 ) + F ( n − 2 ) F(n)=F(n-1)+F(n-2) F(n)=F(n−1)+F(n−2),可以写出这样的特征方程:
x 2 = x + 1 x^2=x+1 x2=x+1
求得 x 1 = 1 + 5 2 x_1 = \frac{1+\sqrt{5}}{2} x1=21+5。设通解为 F ( n ) = c 1 x 1 n + c 2 x 2 n F(n)=c_1x_1^n+c_2x_2^n F(n)=c1x1n+c2x2n,代入初始条件 F ( 0 ) = 0 F(0)=0 F(0)=0, F ( 1 ) = 1 F(1)=1 F(1)=1,得 c 1 = 1 5 c_1=\frac{1}{\sqrt{5}} c1=51, c 2 = − 1 5 c_2=-\frac{1}{\sqrt{5}} c2=−51。
因此斐波那契数的通项公式如下:
F ( n ) = 1 5 [ ( 1 + 5 2 ) n − ( 1 − 5 2 ) n ] F(n)=\frac{1}{\sqrt{5}}\left[ \left(\frac{1+\sqrt{5}}{2}\right)^{n} - \left(\frac{1-\sqrt{5}}{2}\right)^{n} \right] F(n)=51[(21+5)n−(21−5)n]
得到通项公式之后,就可以通过公式直接求解第 n n n项。
class Solution {
public int fib(int n) {
double sqrt5 = Math.sqrt(5);
double fibN = Math.pow((1 + sqrt5) / 2, n) - Math.pow((1 - sqrt5) / 2, n);
return (int) Math.round(fibN / sqrt5);
}
}
复杂度分析
时间复杂度:
O
(
l
o
g
n
)
O(logn)
O(logn)
空间复杂度:
O
(
1
)
O(1)
O(1)
算法九:暴力法
如果不需要求解特别大的
class Solution {
public:
int fib(int n) {
int nums[31]={0,1,1,2,3,5,8,13,21,34,55,89,144,233,377,610,987,1597,2584,4181,6765,10946,17711,28657,46368,75025,121393,196418,317811,514229,832040};
return nums[n];
}
};
复杂度分析
时间复杂度:
O
(
1
)
O(1)
O(1)
空间复杂度:
O
(
n
)
O(n)
O(n)
总结
通过上述,我们使用了9种算法来求解斐波那契数列,这9种方法综合了递归、迭代、数学等各方面知识,值得认真学习!