title: 剑指 Offer 10- I. 斐波那契数列
categories:
- 算法
- 剑指offer
tags: 剑指offer
abbrlink: 7eea4da1
剑指 Offer 10- I. 斐波那契数列
写一个函数,输入 n ,求斐波那契(Fibonacci)数列的第 n 项(即 F(N))。斐波那契数列的定义如下:
F(0) = 0, F(1) = 1
F(N) = F(N - 1) + F(N - 2), 其中 N > 1.
斐波那契数列由 0 和 1 开始,之后的斐波那契数就是由之前的两数相加而得出。
答案需要取模 1e9+7(1000000007),如计算初始结果为:1000000008,请返回 1。
示例 1:
输入:n = 2
输出:1
示例 2:
输入:n = 5
输出:5
提示:
0 <= n <= 100
这是一个典型的递归问题,但是递归算法往往不是最优的
递归法
原理:把 f(n)f(n) 问题的计算拆分成 f(n-1)f(n−1) 和 f(n-2)f(n−2) 两个子问题的计算,并递归,以 f(0) 和 f(1)为终止条件。
缺点:
- 有大量的重复的递归计算
- 递归一直嵌套,效率比较低
![Picture0.png](https://typora-lvxiaoyi.oss-cn-beijing.aliyuncs.com/typora-img/25e913ab8d7a22bb017669e4a097cf51d10861f365002f2d8556ee7a64464cd8-Picture0.png)
//1.0版本 递归版本
// leetcode:超出时间限制
public static int fib(int n) {
if (n == 0) {
return 0;
} else if (n == 1) {
return 1;
}
return fib(n - 1) + fib(n - 2);
}
//2.0版本 递归版本
// leetcode:超出时间限制
public static int fibV2(int n) {
if (n == 0 || n == 1) {
return n;
}
return fib(n - 1) + fib(n - 2);
}
记忆化递归法
原理:在递归算法的基础上,新建一个长度为n的数组,用于在递归是存储f(0)至 f(n)的数字值,重复遇到某数字则直接从数组取用,避免了重复的递归计算。
缺点:
- 递归一直嵌套,效率比较低
- 记忆化存储需要使用O(N)的额外空间
//3.0版本 记忆化递归
// 解决递归版本中的重复计算递归的值
// leetcode:超出时间限制
public static int fibV3(int n) {
if (n < 2) {
return n;
}
int[] memorization = new int[n + 1];
memorization[0] = 0;
memorization[1] = 1;
return myFibonacci(n, memorization);
}
private static int myFibonacci(int n, int[] memorization) {
if (n < 2 || memorization[n] > 0) {
return memorization[n];
}
return (myFibonacci(n - 1, memorization) + myFibonacci(n - 2, memorization))%1000000007;
}
动态规划
原理:以斐波那契数列性质 f(n + 1) = f(n) + f(n - 1)为转移方程。
递归算法是一种倒序进行,直接进行 f(n)的计算,在 f(n)的计算过程中进行递归,求解f(n - 1)和f(n - 2)的值,而且递归算法本身就不适合大数据量的计算容易造成栈移出
而动态规划怎事从f(0)开始,逐渐求解f(n)的过程
从计算效率、空间复杂度上看,动态规划是本题的最佳解法。
// 4.0版本 动态规划
//
// leetcode:超出40%提交
public static int fibV4(int n) {
int a = 0 , b = 1 , sum;
for (int i = 0; i < n; i++) {
// 每次求解最新的数,舍弃之前的数据
sum = (a + b)%1000000007;
a = b;
b = sum;
}
return a;
}
//5.0版本 动态规划
// 解决动态规划重复计算问题
// leetcode:超出40%提交
// 这种没有太大的意义,因为动态规划算法没有重复的值得计算
public static int fibV5(int n) {
if (n < 2) {
return n;
}
int[] memorization = new int[n + 1];
memorization[0] = 0;
memorization[1] = 1;
for (int i = 2; i <= n; i++) {
memorization[i] = (memorization[i-1] + memorization[i - 2])%1000000007;
}
return memorization[n];
}