斐波那契数列的复杂度分析与优化

斐波那契数列的时间复杂度

# 斐波那契递归函数

def fib(n):
	if n < 3:
		return 1
	return fib(n-2) +fib(n-1)

分析：

​ 使用递归树的方式来计算斐波那契数列的时间复杂度

​ 这里假设我们在递归的最后两层进行了n次操作

​

​ 由斐波那契的递归树图我们可以看出，从下到上进行递归运算的时候，程序运行的次数是以2^x方式增加的。

​ 我们来计算一下f(7)的运行次数

​ 想要得到运行次数，首先我们要得到递归的深度，其中有2层为基本层

​ n = 7 - 2 = 5

​ 计算运行次数

​ T(n) = 2^0 + 2^1 + 2^2 + 2^3 + n = 2^4 + n -1

​ 如果递归的深度足够深的话，最后两个基数层的(n-1)次相比于2的指数级可以忽略不计，所以斐波那契的时间复杂度为

​ O(fib(n)) = O（2^n）

斐波那契数列的空间复杂度

空间复杂度主要是看内存的占用空间，在计算斐波那契数列时，会在内存中开辟多个内存空间用来进行运算，我们来分析一下它的空间占用情况。

def main():
	fib(7)
if __name__ == "main":
	main()

分析步骤：

1. 执行main函数，main进栈并占据一块空间
2. 执行fib(7)，fib(7)=fib(6) + fib(5)，无法直接得到fib(7)的值，故fib(7)会进栈并占用一块空间
3. 接下来计算fib(6)=fib(5)+fib(4)和fib(5)=fib(4)+fib(3)，均无法直接得到值，所以fib(6)和fib(5)进栈并分别占用一块空间
4. 以此类推，直至递归的最底层fib(1)和fib(2)进栈
5. 当fib(1)和fib(2)进栈，fib(1)=fib(2)=1，它们两个是由确切的值的，所以在它们进栈后，得到1后会立即被弹出，并且切换到它的上一个节点中，即f(3)中，此时计算出f(3)=f(1)+f(2)=2
6. f(3)得到结果后，会被从栈中弹出，并且切换到f(3)的上一个节点中，即f(4)中，因为f(4)=f(3)+f(2)，所以f(3)和f(2)会再次进栈，f(3)进栈后重复第5步过程后弹出，f(2)进栈后被赋值为1后弹出，此时f(4)=f(3)+f(2)=2+1=3，f(4)得到值后被弹出，切换到f(4)的上一个节点，即f(5)中
7. f(5) = f(4)+f(3)，此时，f(4)重复第6步过程得到值后被弹出，f(3)重复第5步过程得到值后被弹出，计算出f(5)的值并将f(5)弹出，同时切换到f(5)的上一个节点,即f(6)中
8. 重复上述过程直至求出结果

总结：

​ 在整个分析过程中，主要运用到了栈和上下文切换的概念，从分析过程中我们可以了解到，针对fib(7)函数，栈中最多创建了7个内存空间，所以，斐波那契数列的空间复杂度为O(n)。

动态规划(Dynamic Programing)

以上述的过程，我们在计算f(7)时，会计算好多次f(3)，我们现在要考虑：在第一次计算完f(3)后，能不能将它保存起来，当再遇到f(3)后，能不能直接得到f(3)的值，而不是通过再将f(3)以f(3)=f(2)+f(1)的计算方式得到f(3)的值

我们将这种思维称作DP(Dynamic Programing)算法，它的核心思路是：能复用的尽量去复用，而不是去计算，通过创建一个数组，将已经计算好的填入进去，方便以后调用

斐波那契数列代码改进：

import numpy as np
def fib(n):
	 tmp = np.zeros(n)
	 tmp[0] = 1
	 tmp[1] = 1
	 for i in range(2,n):
	 	tmpi = tmp[i-2] + tmp[i-1]
	 return tmp[n-1]

优点：它的时间复杂度为O(n)，空间复杂度为O(n)，时间复杂度得到了优化

缺点：浪费内存空间，当我们在计算f(7)时，只需要知道fib(6)和fib(5)的值即可，但此时fib(1)~fib(4)依然各占据着一份内存空间

改进思路：只让有关的函数占用内存，例如计算fib(7)时，我们只给fib(6)和fib(5)腾出内存空间来

改进代码：

def fib(n):
    a,b = 1,1
    c = 0
    for i in range(2,n):
        c = a + b
        a = b
        b = c
    return c

由改进后的代码来看，空间中只保存了a,b,c三个变量，所以改进后的时间复杂度为O(n)，而空间复杂度为O(1)

思考：

1. 怎么在O(1)的时间复杂度下计算fib(n) (提示：通项公式，如下)