O(K^n)
int fib(int n) {
if(n < 2) return n; // n = 0 返回0, n = 1 返回1
return fib(n - 1) + fib(n - 1);
}
O(n)
// 1 1 2 3 5 8
int fib(int n) {
int num1 = 1;
int num2 = 1;
for(int i = 3; i <= n; i++){
/* int temp = num2;
num2 = num2 + num1;
num1 = temp;
*/
num2 = num2 + num1;
num1 = num2 - num1;
}
return num2;
}
O(logN)
如果递归式严格遵循F(N)=F(N-1)+F(N-2),对于求第N项的值,有矩阵乘法的方式可以将时间复杂度降至O(logN)。F(N)=F(N-1)+F(N-2),是一个二阶递推数列,一定可以用矩阵乘法的形式表示,切状态矩阵为22的矩阵:
(F(N),F(N-1))=(F(N-1),F(N-2))| {a,b},{c,d}|
把斐波那契数列的前4项带入可得:a=b=c=1;d=0
原公式可简化为:
(F(N),F(N-1))=(F(N-1),F(N-2))| {1,1},{1,0}| = (1,1)| {1,1},{1,0}|^(n-2)
求斐波那契数列第N项的问题就变成了如何用最快的方法求一个矩阵N次方的问题,而求矩阵N次方的问题明显是一个能够在O(logN)时间内解决的问题。为了表示方便,用求一个整数N次方的例子来说明,因为只要理解了如何在O(logN)的时间复杂度内求整数N次方的问题,对于求矩阵N次方的问题是同理的,区别是矩阵乘法和整数乘法在细节上有些不一样,但两者道理相同。
将设一个整数10,如何最快的求10的11次方
-
11的二进制形式为1011.
-
10的11次方=10^8 * 10^2 * 10^1。
在这个过程中,我们先求出101,然后根据101求出102,再根据102求出104,…,最后求出108,即11的二进制数形式总共多少位,就使用了几次乘法。 -
在步骤2进行的过程中,把应该累乘的值相乘即可,比如108、102、101应该累乘,因为8,2,1对应到11的二进制数中,相应位上是1;而104不应该累乘,因为4对应到11的二进制数中,相应位上是0
#include <iostream>
#include<stdlib.h>
using namespace std;
struct matrix{
int m[2][2];
}ans;
matrix mulimatrix(matrix &m1, matrix &m2){
matrix res0;
for(int i=0; i<2; i++){
for(int j=0; j<2; j++){
res0.m[i][j]=0;
for(int k=0; k<2; k++){
res0.m[i][j] += m1.m[i][k]*m2.m[k][j];
}
}
}
return res0;
}
matrix matrixpower(matrix &mat, int p){
matrix tmp=mat;
matrix res1;
for(int i=0; i<2; i++){
res1.m[i][i]=1;
}
res1.m[0][1]=0;
res1.m[1][0]=0;
for( ; p != 0; p >>= 1){
if((p&1)!=0){
res1 = mulimatrix(res1,tmp);
}
tmp = mulimatrix(tmp,tmp);
}
return res1;
}
int Fibonacci(int n) {
if(n<1)return 0;
if(n==1 || n==2) return 1;
matrix base = {1,1,1,0};
matrix res= matrixpower(base, n-2);
int result= res.m[0][0] + res.m[1][0];
return result;
}
int main()
{
int result = Fibonacci(30);
cout<<result<<endl;
return 0;
}