fibonacci数列_算法之Fibonacci数列及其变种

主要内容：1. 基于Python3的Fibonacci数列生成算法比较（递归与循环），2. 基于Fibonacci数列的变种应用。并主要涉及LeetCode、牛客网和剑指Offer等内容。

当当当当，请先欣赏这张漂亮的动图：

---

关于Fibonacci数列，想必大家都应该比较熟悉了。定义一个数组的前两个元素分别为[0, 1] （有时候也会定义前两项为[1, 1]，大同小异无需做可以区分），然后开始通项公式的向下迭代：F[n] = F[n-1] + F[n-2] （n大于2）。

因此，写出来前几项即为 [0, 1, 1, 2, 3, 5, 8, 13, 21, 34, ...] 。采用图示绘制出来，如上图中的螺旋状。

在编程语言学习中，Fibonacci数列的实现，也常常是非常经典的题目。下面，我们先检索下LeetCode、牛客网和《剑指Offer》相关题目，然后就开始用Python实现：

1）递归

由其通项公式可知，每项均可由前两项相加得到，然后可以继续递归分解。

​

LeetCode #509 提交后给出的评估：

Runtime: 1252 ms, faster than 5.01% of Python3 online submissions
Memory Usage: 12.7 MB, less than 100.00% of Python3 online submissions

牛客网在线编程-斐波那契数列的测试结果：

不通过。 您的代码已保存
运行超时:您的程序未能在规定时间内运行结束，请检查是否循环有错或算法复杂度过大。
case通过率为0.00%

总结：毫无疑问这种递归的思路虽然看似简单，但是效率非常低。正如《剑指Offer》反复提及一个对比：与循环相比，递归的思路简单，代码简洁；但是运算效率低。

用我的Mac book Air运行该程序计算F[37]时，大约需要18.5秒——太慢了，我觉得我算基本上都能够算出来了。

2）循环

对啊，如果我自己手算时，我会不会用上述的思路进行“递归”呢？答案：打死我都不会。每一次那么多的递归，嵌套接着嵌套，我非得把自己套进去。

所以，真正手算时，是如何计算的呢？就是直接由前至后一项项迭代下去，也就是说，这基本上是一个O(n)的循环而已，那程序该如何写呢？

def 

LeetCode 给出的运行结果：

Runtime: 24 ms, faster than 88.50% of Python3 online submissions
Memory Usage: 12.8 MB, less than 100.00% of Python3 online submissions

牛客网给出的运行结果：

恭喜你通过本题
运行时间：24ms
占用内存：5728k

所以计算效率一下子提升上去了。同样用我的Mac book Air运行该程序计算F[37]时，大约需要0.0001秒。

3）对比与分析

所以对比下，究竟为何递归会这么慢呢？（参考《剑指offer》P74，面试题10：斐波那契数列）。

递归下的Fibonacci数列求解（摘自《剑指offer》）

如上图所示，将f(10)按照递归的思路不断分解，形成上图所示不断扩大的树形结构；最终在分解到f(1)和f(2)的环节，然后再”解“嵌套一层层向上返回值。然而在这个过程中，1）随着n的增大，树形变得异常庞大；2）其中存在着大量的重复计算，如上图在不同的嵌套层次中计算多次f(7)，n越大重复越多。因此造成了非常低的计算效果。正如《剑指offer》的评价，这是”效率很低的解法，挑剔的面试官不会喜欢“（P75）。

而采用循环的思路，却不存在这么大的计算消耗，其复杂度为

。

3）”时间复杂度

但不够实用的解法“

在《剑指offer》P76中也给出了一种更高效但是”不够实用“的解法，我尝试能通过实现。

Fibonacci的递推公式可写成如下形式：

因此对

的求解就变成了一个矩阵幂方的问题，幂方问题请参考另一篇有关 Pow(x, n)的内容，如果采用一般的循环方法，其复杂度仍然为

，而采用递归的方式能够将复杂度降低为

。

算法比较

（整体意思转述于《剑指offer第二版》P77）

1. 递归思路看似简单，但是隐含的嵌套太多，分支随着
   不断增大而急剧扩大，并且对越低的分支，需要更多的重复计算，效率一般是最低的；
2. 循环方法，也较容易理解，算法时间复杂度为
   ;
3. 幂方思路，虽然复杂度为
   ，但由于隐含的时间常数较大（两个
   的矩阵相乘，至少要计算8次乘法和4次加法），很少有软件会采用这种算法，并且不适合面试。