斐波那契数列讲解——解决重叠子问题

所有的理论都需要实际的题目来验证，这里我们不选那些经典的动态规划的题目，因为我们只求抓住最本质，把这个思路讲解清楚，而斐波那契数列就是这样一个很好的例子，当然它并不算是一个非常典型的动态规划的题目。

LeetCode 509：斐波那契数列

接下来，我们会用各个方面来阐述，从时间复杂度最高的递归，再到备忘录和dp数组的解决，逐步讲解动态规划中我们应该怎么去想和怎么优化

（1）暴力递归

斐波那契数列是一个典型的递归题目，它的写法非常简单，这里我就不多强调了

class Solution {public:int fib(int n) {if (n==0) return 0;if (n==1 || n==2) return 1;return fib(n-1)+fib(n-2);}
};

题目可以通过，但是时间高的吓人

为什么这么慢呢？其实这就是动态规划的第一个大的问题——重叠子问题

我们知道递归问题本质就是二叉树的问题，所以在递归的过程中就是在遍历一颗二叉树，所以这种接法对应的递归树是这样的

很显然，想要计算fib(20)，就先要计算fib(19)和fib(18)，计算fib(19)又要计算fib(18)和fib(17)…可以看出图中的f(18),f(17)很显然是不需要计算的，虽然图中只画出了一点，但是你应该明白，这颗递归树要是完全展开，那是很恐怖的。所以这个算法极其低效

（2）带有备忘录的递归解法

既然耗时的原因是因为重叠子问题太多，那么不如这样：把fib(18)计算完之后，存储在一个备忘录中，下次只要需要求解fib(18)，直接从备忘录里面拿多好。
而实现备忘录，我们更多用数组，当然你也可以用哈希表，道理是一样的。

class Solution {public:int back(vector<int>& memory,int n){if(n==1 || n==2) return 1;if(memory[n]!=0) return memory[n];//一旦对应位置不等于0，表示已经计算过了，立马直接返回结果即可return back(memory,n-1)+back(memory,n-2);}int fib(int n) {if (n==0) return 0;vector<int> memory(n+1,0);//设立一个备忘录，初始状态设置为0，0表示该位置的元素没有被记录在备忘录上return back(memory,n);}
};

继续观察这种算法的递归树，如下，你可以很明显的发现，这种带备忘录的解法就是我们经常说的“剪枝”操作，以下把一颗非常冗余的树修剪的很干净，或者说就是减少了重叠子问题

如下，很明显它的时间复杂度要低

至此，这种算法的效率已经能符合动态规划相应的题目的效率要求了。但是我们现在的解决时自顶向下，而一般的动态规划的题目时自底向上的。

自顶向下：从一个原始的问题，也就是规模较大的问题，比如说fib(20)，逐步向下分解，分解到很小的规模,一直分解到再不能分解为止，比如fib(1)和fib(2)这两个base case
自底向上：反过来，从最下面，最简单的情况如上，进行反推得到结果。我们动态规划就是按照这种思路来的

（3）自底向上——dp数组解法

我们把上面的备忘录变成一个dp数组，通过dp数组不断迭代向上求解。

class Solution {public:int fib(int n) {if(n==0) return 0;if(n==1 || n==2) return 1;vector<int> dp(n+1,0);//最简单的情况，base casedp[1]=1;dp[2]=1;for(int i=3;i<=n;i++){dp[i]=dp[i-1]+dp[i-2];}return dp[n];}
};

你会很明显发现，这样的结局效率非常的高

同时这种算法对应的图和带备忘录的递归算法的那张图结果相反

（4）总结：状态转移方程

其实在这个过程中，我们已经不知不觉的使用了状态转移方程。如下，

你可以把f(n)当作一个状态，而这个状态n是由状态n-1和状态n-2进行相加操作转移过来的，仅此而已。所以代码中的dp[i]=dp[i-1]+dp[i-2]就是这个意思

那么如何得出状态转移方程呢？其实完全依赖的就是咋们的暴力解法，暴力解法代表的就是状态转移方程，一旦动态规划的题目中你能写出暴力解法，那么剩余的操作无非就是备忘录或dp数组优化了。也就是先自顶向下，再自底向上

（5）状态压缩

至此我们已经解决了重叠子问题，关于如何解决最优子结构会在下篇文章中说明。
对于刚才的例子，还能继续进行优化，就是优化空间，因为在这个斐波那契数列中，当前状态仅仅和前两个状态有关，而前面无关，所以我们可以优化空间，不采用数组，直接两个变量，交替保存。

class Solution {public:int fib(int n) {if (n==0) return 0;if (n==1 || n==2) return 1;int prev=1;int curr=1;for(int i=3;i<=n;i++){int sum=prev+curr;prev=curr;curr=sum;}return curr;}
};

所以如果我们发现每次状态转移的时候只需要dp数组中的一部分，那么就可以尝试采用状态压缩来压缩dp table的大小，只记录必要的数据

【README2】动态规划之斐波那契数列说明重叠子问题如何解决相关推荐

动态规划实现斐波那契数列求解
int fibonacciDP1(int n) { // 动态规划不使用数组int a = 0;int b = 1;int sum;int i;if (n == 0)return 0;if (n == ...
动态规划：斐波那契数列里面的东西？
斐波那契数列我想每个人都会写斐波那契数列吧!! 斐波那契数列的定义 f(0) = 1,f(1) = 1,f(n) = f(n-1) + f(n-2) 基于递归的方式实现,讲到递归都会用到: def ...
动态规划Ⅰ：斐波那契数列
动态规划题目类型 & 做题思路总览:动态规划解题套路 & 题型总结 & 思路讲解文章目录一.斐波那契数列 1. 爬楼梯问题 2. 打家劫舍系列 3. 信件错排 4. 母牛生 ...
LeetCode——动态规划：斐波那契数列
斐波那契数列目录爬楼梯强盗抢劫强盗在唤环形街区抢劫信件错排注:具体解析请点击链接进入LeetCode题解区. 1. 爬楼梯 https://leetcode-cn.com/problems ...
Python|动态规划问题--斐波那契数列
欢迎点击「算法与编程之美」↑关注我们! 本文首发于微信公众号:"算法与编程之美",欢迎关注,及时了解更多此系列文章. 欢迎加入团队圈子!与作者面对面!直接点击! 斐波那契数列斐波 ...
C#递归、动态规划计算斐波那契数列
//递归public static long recurFib(int num){if (num < 2){return num;}else{return recurFib(num - 1) + ...
剑指offer面试题10- II. 青蛙跳台阶问题(动态规划)(递归)(斐波那契数列)
题目描述一只青蛙一次可以跳上1级台阶,也可以跳上2级台阶.求该青蛙跳上一个 n 级的台阶总共有多少种跳法. 答案需要取模 1e9+7(1000000007),如计算初始结果为:1000000008, ...
斐波那契数列（剑指offer 10-I）
一.题目描述写一个函数,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 ...
深入剖析斐波拉契数列
深入剖析斐波拉契数列前言动态规划作为一种非常经典的一类算法,不仅在解决实际问题当中有很多实际的应用,同时通常也是面试的一个重点.本篇文章一步步剖析动态规划的基本原理,通过斐波拉契数列问题(优化时间 ...

【README2】动态规划之斐波那契数列说明重叠子问题如何解决

文章目录