文章目錄
- 0 效果
- 1 題目
- 2 思路
- 2.1 動态規劃(打表)
- 2.2 矩陣快速幂
- 2.3 通項公式
- 3 代碼
- 3.1 打表
- 3.2 矩陣快速乘
- 3.3 通項公式
0 效果

1 題目
2 思路
2.1 動态規劃(打表)
遞歸寫法為:
int F(int n){
if(n == 0 || n == 1) return 1;
else return F(n-1) + F(n-2);
}
遞歸會涉及到很多重複的計算,如當n==5時,可以得到F(5)= F(4)+F(3),接下來計算F(4)時又會有F(4)= F(3)+F(2),這時不采取措施,F(3)将會被計算兩次。如果n很大,重複計算的次數将難以想象。
實際上由于沒有儲存中間計算的結果,實際複雜度将會高達O(2n),即每次都會計算F(n-1)和F(n-2)這兩個分支,基本上不能承受n較大的情況。
開一個數組dp,用來儲存已經計算過的結果,其中dp[n]記錄F(n)的結果,并用dp[n] = -1來表示F(n) 目前還沒有被計算過。
int dp[MAXN];
然後就可以在遞歸中判斷dp[n]是否是-1,如果不是-1,說明已經計算過F(n),直接傳回dp[n]就是結果;否則,按照遞歸式進行遞歸。
int F(int n){
if(n == 0 || n == 1) return 1;
if(dp[n] != -1) return dp[n];
else{
dp[n] = F(n-1) + F(n-2);
return dp[n];
}
}
通過記憶化搜素,把複雜度從O(2n)降到O(n)。
斐波那契數列遞歸圖:
斐波那契數列記憶化搜尋示意圖:
如計算F(45),直接使用遞歸用時9.082809,用記憶化搜尋僅僅0.000001
2.2 矩陣快速幂
以下解析摘自官網
2.3 通項公式
3 代碼
3.1 打表
class Solution {
public:
int fib(int n) {
int dp[31];
dp[0] = 0;
dp[1] = 1;
for(int i = 2;i <= n;i++){
dp[i] = dp[i -1] + dp[i-2];
}
return dp[n];
}
};
3.2 矩陣快速乘
class Solution {
public:
int fib(int n) {
if (n < 2) {
return n;
}
vector<vector<int>> q{{1, 1}, {1, 0}};
vector<vector<int>> res = matrix_pow(q, n - 1);
return res[0][0];
}
vector<vector<int>> matrix_pow(vector<vector<int>>& a, int n) {
vector<vector<int>> ret{{1, 0}, {0, 1}};
while (n > 0) {
if (n & 1) {
ret = matrix_multiply(ret, a);
}
n >>= 1;
a = matrix_multiply(a, a);
}
return ret;
}
vector<vector<int>> matrix_multiply(vector<vector<int>>& a, vector<vector<int>>& b) {
vector<vector<int>> c{{0, 0}, {0, 0}};
for (int i = 0; i < 2; i++) {
for (int j = 0; j < 2; j++) {
c[i][j] = a[i][0] * b[0][j] + a[i][1] * b[1][j];
}
}
return c;
}
};
3.3 通項公式
class Solution {
public:
int fib(int n) {
double sqrt5 = sqrt(5);
double fibN = pow((1 + sqrt5) / 2, n) - pow((1 - sqrt5) / 2, n);
return round(fibN / sqrt5);
}
};