斐波那契数列算法分析
http://www.cnblogs.com/CCBB/archive/2009/04/25/1443441.html
背景:
假定你有一雄一雌一对刚出生的兔子,它们在长到一个月大小时开始交配,在第二月结束时,雌兔子产下另一对兔子,过了一个月后它们也开始繁殖,如此这般持续下去。每只雌兔在开始繁殖时每月都产下一对兔子,假定没有兔子死亡,在一年后总共会有多少对兔子?
在一月底,最初的一对兔子交配,但是还只有1对兔子;在二月底,雌兔产下一对兔子,共有2对兔子;在三月底,最老的雌兔产下第二对兔子,共有3对兔子;在四月底,最老的雌兔产下第三对兔子,两个月前生的雌兔产下一对兔子,共有5对兔子;……如此这般计算下去,兔子对数分别是:1, 1, 2, 3, 5, 8, 13, 21, 34, 55,89, 144, ...看出规律了吗?从第3个数目开始,每个数目都是前面两个数目之和。这就是著名的斐波那契(Fibonacci)数列。
有趣问题:
1,有一段楼梯有10级台阶,规定每一步只能跨一级或两级,要登上第10级台阶有几种不同的走法?
答:这就是一个斐波那契数列:登上第一级台阶有一种登法;登上两级台阶,有两种登法;登上三级台阶,有三种登法;登上四级台阶,有五种方法……所以,1,2,3,5,8,13……登上十级,有89种。
2,数列中相邻两项的前项比后项的极限是多少,就是问,当n趋于无穷大时,F(n)/F(n+1)的极限是多少?
答:这个可由它的通项公式直接得到,极限是(-1+√5)/2,这个就是所谓的黄金分割点,也是代表大自然的和谐的一个数字。
数学表示:
Fibonacci数列的数学表达式就是:
F(n) = F(n-1) + F(n-2)
F(1) = 1
F(2) = 1
递归程序1:
Fibonacci数列可以用很直观的二叉递归程序来写,用C++语言的描述如下:
long fib1(int n)
{
if (n <= 2)
{
return 1;
}
else
{
return fib1(n-1) + fib1(n-2);
}
}
看上去程序的递归使用很恰当,可是在用VC2005的环境下测试n=37的时候用了大约3s,而n=45的时候基本下楼打完饭也看不到结果……显然这种递归的效率太低了!!
递归效率分析:
例如,用下面一个测试函数:
long fib1(int n, int* arr)
{
arr[n]++;
if (n <= 2)
{
return 1;
}
else
{
return fib1(n-1, arr) + fib1(n-2, arr);
}
}
这时,可以得到每个fib(i)被计算的次数:
fib(10) = 1 fib(9) = 1 fib(8) = 2 fib(7) = 3
fib(6) = 5 fib(5) = 8 fib(4) = 13 fib(3) = 21
fib(2) = 34 fib(1) = 55 fib(0) = 34
可见,计算次数呈反向的Fibonacci数列,这显然造成了大量重复计算。
我们令T(N)为函数fib(n)的运行时间,当N>=2的时候我们分析可知:
T(N) = T(N-1) + T(N-2) + 2
而fib(n) = fib(n-1) + fib(n-2),所以有T(N) >= fib(n),归纳法证明可得:
fib(N) < (5/3)^N
当N>4时,fib(N)>= (3/2)^N
标准写法:
显然这个O((3/2)^N)是以指数增长的算法,基本上是最坏的情况。
其实,这违反了递归的一个规则:合成效益法则。
合成效益法则(Compound interest rule):在求解一个问题的同一实例的时候,切勿在不同的递归调用中做重复性的工作。
所以在上面的代码中调用fib(N-1)的时候实际上同时计算了fib(N-2)。这种小的重复计算在递归过程中就会产生巨大的运行时间。
递归程序2:
用一叉递归程序就可以得到近似线性的效率,用C++语言的描述如下:
long fib(int n, long a, long b, int count)
{
if (count == n)
return b;
return fib(n, b, a+b, ++count);
}
long fib2(int n)
{
return fib(n, 0, 1, 1);
}
这种方法虽然是递归了,但是并不直观,而且效率上相比下面的迭代循环并没有优势。
迭代解法:
Fibonacci数列用迭代程序来写也很容易,用C++语言的描述如下:
//也可以用数组将每次计算的f(n)存储下来,用来下次计算用(空间换时间)
long fib3 (int n)
{
long x = 0, y = 1;
for (int j = 1; j < n; j++)
{
y = x + y;
x = y - x;
}
return y;
}
这时程序的效率显然为O(N),N = 45的时候<1s就能得到结果。
矩阵乘法:
我们将数列写成:
Fibonacci[0] = 0,Fibonacci[1] = 1
Fibonacci[n] = Fibonacci[n-1] + Fibonacci[n-2] (n >= 2)
可以将它写成矩阵乘法形式:
将右边连续的展开就得到:
下面就是要用O(log(n))的算法计算:
显然用二分法来求,结合一些面向对象的概念,C++代码如下:
class Matrix
{
public:
long matr[2][2];
Matrix(const Matrix&rhs);
Matrix(long a, long b, long c, long d);
Matrix& operator=(const Matrix&);
friend Matrix operator*(const Matrix& lhs, const Matrix& rhs)
{
Matrix ret(0,0,0,0);
ret.matr[0][0] = lhs.matr[0][0]*rhs.matr[0][0] + lhs.matr[0][1]*rhs.matr[1][0];
ret.matr[0][1] = lhs.matr[0][0]*rhs.matr[0][1] + lhs.matr[0][1]*rhs.matr[1][1];
ret.matr[1][0] = lhs.matr[1][0]*rhs.matr[0][0] + lhs.matr[1][1]*rhs.matr[1][0];
ret.matr[1][1] = lhs.matr[1][0]*rhs.matr[0][1] + lhs.matr[1][1]*rhs.matr[1][1];
return ret;
}
};
Matrix::Matrix(long a, long b, long c, long d)
{
this->matr[0][0] = a;
this->matr[0][1] = b;
this->matr[1][0] = c;
this->matr[1][1] = d;
}
Matrix::Matrix(const Matrix &rhs)
{
this->matr[0][0] = rhs.matr[0][0];
this->matr[0][1] = rhs.matr[0][1];
this->matr[1][0] = rhs.matr[1][0];
this->matr[1][1] = rhs.matr[1][1];
}
Matrix& Matrix::operator =(const Matrix &rhs)
{
this->matr[0][0] = rhs.matr[0][0];
this->matr[0][1] = rhs.matr[0][1];
this->matr[1][0] = rhs.matr[1][0];
this->matr[1][1] = rhs.matr[1][1];
return *this;
}
Matrix power(const Matrix& m, int n)
{
if (n == 1)
return m;
if (n%2 == 0)
return power(m*m, n/2);
else
return power(m*m, n/2) * m;
}
long fib4 (int n)
{
Matrix matrix0(1, 1, 1, 0);
matrix0 = power(matrix0, n-1);
return matrix0.matr[0][0];
}
这时程序的效率为O(log(N)) 。
公式解法:
在O(1)的时间就能求得到F(n)了:
注意:其中[x]表示取距离x最近的整数。
用C++写的代码如下:
long fib5(int n)
{
double z = sqrt(5.0);
double x = (1 + z)/2;
double y = (1 - z)/2;
return (pow(x, n) - pow(y, n))/z + 0.5;
}
这个与数学库实现开方和乘方本身效率有关的,我想应该还是在O(log(n))的效率。
总结:
上面给出了5中求解斐波那契数列的方法,用测试程序主函数如下:
int main()
{
cout << fib1(45) << endl;
cout << fib2(45) << endl;
cout << fib3(45) << endl;
cout << fib4(45) << endl;
cout << fib5(45) << endl;
return 0;
}
函数fib1会等待好久,其它的都能很快得出结果,并且相同为:1134903170。
而后面两种只有在n = 1000000000的时候会显示出优势。由于我的程序都没有涉及到高精度,所以要是求大数据的话,可以通过取模来获得结果的后4位来测试效率与正确性。
另外斐波那契数列在实际工作中应该用的很少,尤其是当数据n很大的时候(例如:1000000000),所以综合考虑基本普通的非递归O(n)方法就很好了,没有必要用矩阵乘法。
附录:
程序全部源码:
#include <iostream>
#include <vector>
#include <string>
#include <cmath>
#include <fstream>
using namespace std;
class Matrix
{
public:
long matr[2][2];
Matrix(const Matrix&rhs);
Matrix(long a, long b, long c, long d);
Matrix& operator=(const Matrix&);
friend Matrix operator*(const Matrix& lhs, const Matrix& rhs)
{
Matrix ret(0,0,0,0);
ret.matr[0][0] = lhs.matr[0][0]*rhs.matr[0][0] + lhs.matr[0][1]*rhs.matr[1][0];
ret.matr[0][1] = lhs.matr[0][0]*rhs.matr[0][1] + lhs.matr[0][1]*rhs.matr[1][1];
ret.matr[1][0] = lhs.matr[1][0]*rhs.matr[0][0] + lhs.matr[1][1]*rhs.matr[1][0];
ret.matr[1][1] = lhs.matr[1][0]*rhs.matr[0][1] + lhs.matr[1][1]*rhs.matr[1][1];
return ret;
}
};
Matrix::Matrix(long a, long b, long c, long d)
{
this->matr[0][0] = a;
this->matr[0][1] = b;
this->matr[1][0] = c;
this->matr[1][1] = d;
}
Matrix::Matrix(const Matrix &rhs)
{
this->matr[0][0] = rhs.matr[0][0];
this->matr[0][1] = rhs.matr[0][1];
this->matr[1][0] = rhs.matr[1][0];
this->matr[1][1] = rhs.matr[1][1];
}
Matrix& Matrix::operator =(const Matrix &rhs)
{
this->matr[0][0] = rhs.matr[0][0];
this->matr[0][1] = rhs.matr[0][1];
this->matr[1][0] = rhs.matr[1][0];
this->matr[1][1] = rhs.matr[1][1];
return *this;
}
Matrix power(const Matrix& m, int n)
{
if (n == 1)
return m;
if (n%2 == 0)
return power(m*m, n/2);
else
return power(m*m, n/2) * m;
}
//普通递归
long fib1(int n)
{
if (n <= 2)
{
return 1;
}
else
{
return fib1(n-1) + fib1(n-2);
}
}
/*上面的效率分析代码
long fib1(int n, int* arr)
{
arr[n]++;
if (n <= 1)
{
return 1;
}
else
{
return fib1(n-1, arr) + fib1(n-2, arr);
}
}
*/
long fib(int n, long a, long b, int count)
{
if (count == n)
return b;
return fib(n, b, a+b, ++count);
}
//一叉递归
long fib2(int n)
{
return fib(n, 0, 1, 1);
}
//非递归方法O(n)
long fib3 (int n)
{
long x = 0, y = 1;
for (int j = 1; j < n; j++)
{
y = x + y;
x = y - x;
}
return y;
}
//矩阵乘法O(log(n))
long fib4 (int n)
{
Matrix matrix0(1, 1, 1, 0);
matrix0 = power(matrix0, n-1);
return matrix0.matr[0][0];
}
//公式法O(1)
long fib5(int n)
{
double z = sqrt(5.0);
double x = (1 + z)/2;
double y = (1 - z)/2;
return (pow(x, n) - pow(y, n))/z + 0.5;
}
int main()
{
//n = 45时候fib1()很慢
int n = 10;
cout << fib1(n) << endl;
cout << fib2(n) << endl;
cout << fib3(n) << endl;
cout << fib4(n) << endl;
cout << fib5(n) << endl;
return 0;
}
转载于:https://www.cnblogs.com/xiaomaohai/archive/2012/01/10/6157873.html
斐波那契数列算法分析相关推荐
- 计算机斐波那流程图,循环结构——斐波那契数列.DOC
循环结构--斐波那契数列 循环结构--斐波那契数列 1.教学目标 根据新课标的要求和学生的认知特点,确定本节课的教学目标. (1)知识与技能 学生能理解循环结构概念:把握循环结构的三要素:循环的初始状 ...
- 斐波那契数列前n项和 c++_蹲在马桶看算法(Day8—LeetCode之NO.509 斐波那契数列)...
问题引入: 最先研究Successione di Fibonacci(斐波那契数列或兔子数列)的是意大利Leonardo Pisano Bigollo(又称斐波那契),最先是描述兔子生长的时候用上了这 ...
- 【趣学算法】神奇的兔子序列(斐波那契数列)
14天阅读挑战赛 努力是为了不平庸~ 算法学习有些时候是枯燥的,这一次,让我们先人一步,趣学算法!欢迎记录下你的那些努力时刻(算法学习知识点/算法题解/遇到的算法bug/等等),在分享的同时加深对于算 ...
- 经典算法(6)斐波拉契数列、兔子繁殖、跳台阶算法
写在前面: 我是「扬帆向海」,这个昵称来源于我的名字以及女朋友的名字.我热爱技术.热爱开源.热爱编程.技术是开源的.知识是共享的. 这博客是对自己学习的一点点总结及记录,如果您对 Java.算法 感兴 ...
- 斐波那契尾递归函数java_斐波那契数列 递归 尾递归 递推 C++实现
==================================声明================================== 本文原创,转载请注明作者和出处,并保证文章的完整性(包括本 ...
- java 斐波拉_Java实现斐波那契数列
斐波纳契数列,又称黄金分割数列,指的是这样一个数列:1.1.2.3.5.8.13.21.--在数学上,斐波纳契数列以如下被以递归的方法定义:F0=0,F1=1,Fn=F(n-1)+F(n-2)(n&g ...
- 剑指offer:面试题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.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 ...
- 用递归法计算斐波那契数列的第n项
斐波纳契数列(Fibonacci Sequence)又称黄金分割数列,指的是这样一个数列:1.1.2.3.5.8.13.21.--在数学上,斐波纳契数列以如下被以递归的方法定义:F0=0,F1=1, ...
- 循环斐波那契数列_剑指offer #10 斐波那契数列
(递归和循环)#10 斐波那契数列 一.斐波那契数列 定义: n = 0 , f(n) = 0 n = 1 , f(n) = 1 n > 1 , f(n) = f(n-1) + f(n-2) 思 ...
最新文章
- 从疫情到求职寒冬,我的算法求职经历
- 剑桥 2020 人工智能全景报告,未来 8 项AI趋势预测
- python整数池_【Python】Python中神奇的小整数对象池和大整数对象池
- 零基础学python需要多久-零基础学习Python开发需要多长时间?
- 利用Aspose.Word控件和Aspose.Cell控件,实现Word文档和Excel文档的模板化导出
- mysql的indata文件_【数据分析】MySQL之不能导入本地文件“Loading local data is disable;”...
- java 哈希一致算法_一致哈希算法Java实现
- GIS基础知识汇总篇(五)-无人机真正射影像的概念和制作原理
- html伸缩布局,CSS3 伸缩布局(一)
- c语言写天气预报程序,微信小程序实现天气预报功能
- OpenCV计算机视觉实战(Python版)_005图像的梯度处理
- 还以为iPhone安全?多款iOS应用被曝“偷偷”发送用户数据
- Builder生成器模式
- TeeChart Pro VCL/FMX教程(三):图表分页
- 中国***产业链正在形成 ***今年收入可超百亿
- 基于注意力机制的循环网络进行层级性多元标签文本分类
- Samsung Bada程序介绍——BeijingPark
- 巴菲特致股东的一封信:2000年
- KEGG pathway 数据库
- carsim中质心加速度_carsim输入、输出常用变量
热门文章
- 的 while循环_十八、Python图解while循环
- 【必看】Linux 下的 TCP参数优化
- oracle tax 中国税,oracle_TAX_税基础设置操作手册.doc
- 云原生时代,CNStack 如何解决企业数字化转型难题?
- 暑期 2021 | Serverless Devs 最全项目申请攻略来啦!
- Arthas 征文活动火热进行中,cherry 键盘等你来拿!(内附第三期中奖名单)
- 阿里云重磅发布云原生裸金属方案 | 云原生生态周报 Vol. 53
- 华为服务器系统关机命令,云服务器关机指令
- c++中的引用和python中的引用_对比 C++ 和 Python,谈谈指针与引用
- 解锁三星bl锁有几种方法_三星S6解锁教程_三星GALAXY S6怎么解锁Bootloader的方法