动态规划一：斐波那契数列

动态规划一：斐波那契数列

【题目】写一个函数，输入n，求斐波那契（Fibonacci）数列的第n项。斐波那契数列的定义如下：　

方法一：递归方法

public  long fib(int n){
        if(n == 0) return 0;
        if(n == 1) return 1;
        return fib(n-1)+fib(n-2);
}

以fib(5)为例：


深色部分的fib(3),以及fib(2)会被重复计算，当n增大时，递归树高度增加，会有更多的重复计算;因此这种递归方法的效率非常低；考虑到递归方法，会有重复计算的缺点，因此考虑设定一个数组，保存之前计算的结果，访问fib(n）时，先查看数组中对应位置的值是否存在，若存在则直接返回，若不存在，则计算后，保存到对应位置,然后返回；详见方法二：

方法二：记忆化搜索

//将数组 temp 定义为类变量，temp[i]表示fib(i)的值
long [] temp = new long[n+1];
public  long fib(int n,long[] temp){
        if(n == 0) return 0;
        if(n == 1) return 1;
        if(temp[n] == 0)
            //记忆化搜索,自上向下
            temp[n] = fib(n-1,temp)+fib(n-2,temp);
        return temp[n];

}

方法二用数组temp保存了每一步的计算结果，实现了自上向下的记忆化搜索，避免了大量的重复计算；

方法三：动态规划

 //将数组 temp 定义为类变量，temp[i]表示fib(i)的值
 long [] temp = new long[n+1];
 public long fib(int n,long[] temp){
        temp[0] = 0;
        temp[1] = 1;
        //动态规划，自底向上
        for(int i = 2;i <= n;i++)
            temp[i]=temp[i-1]+temp[i-2];
        return temp[n];
}

方法四：动态规划改进

public long fib(int n){
	        long temp0 = 0;
	        long temp1 = 1;
	        long temp2 = temp0+temp1;
	        for(int i = 2;i <= n;i++){
	            temp2 = temp1+temp0;
	            temp0 = temp1;
	            temp1 = temp2;
	        }
	        return temp2;
}

动态规划简介：

图中的重叠子问题，是指在减小问题规模过程中，会有多次重复的操作；例如前文方法一递归方法中提到的多次重复计算；最优子结构是指在求解最优化问题时在问题规模减小过程中，原来规模的最优化问题可以转化为子问题的最优化问题。详见《动态规划二：整数划分求积》。针对重叠子问题和最优子结构问题，有两种解决方法：记忆化搜索（自顶向下）；动态规划（自底向上）。