fibonacci数列是个很常见的面试题,相信大家都见识过,反正我碰见过两次。递归是最容易想到的办法。但是写一个递归,往往面试官并不满意,会追问。这个递归存在什么问题啊。有没有其它办法啊……。办法总比问题多,跳跳大路通帝都。下面就总结一下。把程序写到面试官的心缝里!
递归法
这个递归存在的最严重的问题就是重复计算,在代码的递归分支里可以看到函数被递归调用了两次,那么很多函数其实都被重复计算了。最后再来解决这个问题。
def fib01(n):
if n == 1 or n == 2:
return n
else:
return fib01(n-1) + fib01(n-2)
递推法1
使用一个列表来存储整个fibonnci数列,所求的即为列表的第n项
def fib02(n):
if n == 1 or n == 2:
return n
else:
arr = [1, 1, 2]
i = 3
for i in range(3, n+1):
arr.append(arr[i-1] + arr[i-2])
return arr[n]
递推法2
声明几个历史变量不断计算数列的值,并且交换变量
def fib03(n):
if n == 1 or n == 2:
return n
else:
x = 1
y = 2
for i in range(3, n+1):
fi = x + y
x = y
y = fi
return y
缓存递归中间结果
定义一个字典,将递归函数的计算结果存入_fib_cache,每次判断该函数是否在缓存中,在直接返回,不在,计算并放入缓存
_fib_cache = {}
def fib04(n):
if n in _fib_cache:
return _fib_cache[n]
else:
_fib_cache[n] = n if n <= 2 else fib04(n-1) + fib04(n-2)
return _fib_cache[n]
有了缓存,生活美好了很多,但是看着有点别扭。孤零零的_fib_cache,弄个装饰器多好,这明显可以有个装饰器的。
函数装饰器
def memo(f):
cache = {}
def decorated(*args):
if args in cache:
return cache[args]
else:
cache[args] = f(*args)
return cache[args]
return decorated
有了这个装饰器函数,我们就可以装饰我们的递归函数了
@memo
def fib01(n):
if n == 1 or n == 2:
return n
else:
return fib01(n-1) + fib01(n-2)
转载于:https://blog.51cto.com/gccmx/1736742