fibonacci数列_几种计算Fibonacci数列算法的时间复杂度分析

今天我在timeline上刷到了@Pika369 的这篇文章：

https://zhuanlan.zhihu.com/p/165877869​zhuanlan.zhihu.com

文章挺详细，还跑了实验，但这是我人生中第

次看到有人犯将大数算术运算的复杂度视为

的“错误”了

^{[1] [2]}，所以忍不住多说两句。虽然这确实是一个常见的计算模型，但几乎无法准确地反映现实。如果用它来分析算法的实际运行时间，将很容易错过算法的真正瓶颈。

在一个更贴近现实的计算模型中，将两个

位大整数相加需要

的时间，而大整数相乘需要

(暴力算法)或

(FFT)的时间。python的乘法使用的是Karatsuba算法

^[3]，复杂度为

，下文简记为

。可以看出，单纯按照“进行大整数运算的次数”来衡量算法复杂度是极不准确的，还需要考虑到大整数的长度以及算术运算的种类。知道了这点之后，我们可以重新分析一下原文中提到的各个计算Fibonacci数列算法的复杂度，并与实际运行时间进行对照

^[4]：

算法一：暴力递推

def 

根据fibonacci数的通项公式，我们可以看出第

个fibonacci数的长度为

。这里我们做了

次大数加法，总复杂度为

。

时运行时间为1.10s。把递归改成递推解决爆栈问题后跑

的数据还是小看它了。

算法零：通项公式法

经评论区提醒补充分析一下这个，

。

从数值计算的角度来说，根据数值分析的知识可知只需要对运算过程中涉及到的实数保留

位精度就可以了。高精度实数开根可以在

时间内完成，而exp可以用AGM方法在

时间内完成

^[5]，所以总复杂度为

。

从符号计算的角度来说，因为域扩张

是一个有限扩张，所以维护下

前的系数就可以了

^[6]。我们知道最终运算结果是整数，所以最后

前的系数一定为0，不会产生精度问题(

就是一个可怜的工具人)。实际运算和快速幂是等价的。

这里有用mpfr库写的C++代码，还是很快的，不过我们就不欺负python了。

算法二：矩阵的快速幂

import 

把快速幂看成递归的话，递归深度为

，大整数的算术运算总次数也为

。但注意到递归过程中大整数的长度呈几何级数变化

^[7]，总复杂度为

，即一次

位大整数乘法的常数倍。

时运行时间为81.6s，可以看出算法的常数比较大。

算法三：Fibonacci的一组恒等式

，

。这个算法是Dijkstra在1978年发现的。

from 

复杂度的计算和算法二类似，因为递归过程中大整数的长度呈几何级数变化，总复杂度也为

。

时运行时间为5.53s，常数比算法二小了很多。

注：原文代码在我本机的运行时间为5.71s，并且实际上“预先生成字典”对运行时间并没有什么影响。(与原作者确认过了)

算法3.1：

这里以对算法三的一个小改动为例，展示学会正确的复杂度分析可以如何帮助我们优化算法。

注意到算法三虽然进行了

次大整数运算，但复杂度的瓶颈为最后一次乘法，这与实验结果是相符的：最后对

的计算(根据

的奇偶性需要1~2次乘法，这里为1次)花费了2.42s，占据了总运行时间的44%。可想而知，只要能在最后这次乘法上优化一点常数，总时间也可以被提升一个常数。这时候，我们需要一点关于凑因式分解的初中知识：

先考虑

的情形。想法是多递归一层：令

，

，则

。令

，直接用递归式计算的话这里需要一次长度为

的乘法，以及三次长度为

的乘法(

)。但我们可以换一种方法计算多项式的值：令

，

，则

。这样，长度为

的乘法被减少到了两次(计算

与

)。

其他情况同理。对于

，

。

对于

，

。

对于

，

。

def 

时运行时间为5.05s，仅为算法三的

91%。

(

时运行时间比为

，

时为

，

时为

。)

最后可以用以上技巧重新实现算法三，将运行时间进一步降低到原来的88%。起到的效果和这篇文章^[6]里用到的Cassini's formula是类似的，并且在最后包一层函数F4的idea也可以把那篇文章加速14%(

为偶数时)。

def 

注：写文章的时候我不小心用32位python跑的，所以所有运行时间都那么慢。改回64位之后所有瓶颈是乘法的代码都可以快4倍左右，就不改正文了。

参考

1. ^第n-1次应该是在这个问题下：斐波那契数列的第一百万项怎么用 C++ 求？ https://www.zhihu.com/question/292320341
2. ^原文的参考文章还是明确提到了计算模型的，所以没有问题。 https://www.nayuki.io/page/fast-fibonacci-algorithms
3. ^CPython的code:  https://hg.python.org/cpython/file/b514339e41ef/Objects/longobject.c#l2694
4. ^我按照自己的习惯对原文代码作了一些无伤大雅的小改动，原文作者可以验证它们确实是“无伤大雅”的，不会显著影响运行时间。
5. ^https://en.wikipedia.org/wiki/Computational_complexity_of_mathematical_operations
6. ^^ab斐波那契数列第一千万项怎么求： https://zhuanlan.zhihu.com/p/98064307
7. ^不少人没有注意到这一点，比如这个benchmark的复杂度分析就多了一个log n的项： http://cubbi.com/fibonacci.html