关于斐波拉契数列的递归求法和优化

斐波那契数列(Fibonacci sequence),又称黄金分割数列、因数学家列昂纳多·斐波那契(Leonardoda Fibonacci)以兔子繁殖为例子而引入,故又称为“兔子数列”,指的是这样一个数列:1、1、2、3、5、8、13、21、34、……在数学上,斐波纳契数列以如下被以递推的方法定义:F(1)=1,F(2)=1, F(n)=F(n-1)+F(n-2)(n>=3,n∈N*)

在通常情况下我们很容易写出一个计算斐波拉契数列的函数:

private static long diguiFeibo(int n) {
    if (n < 2) {
        return n;
    }
    return diguiFeibo(n - 1) + diguiFeibo(n - 2);
}

上面的代码看起来很简练,实际上它背后的计算流程还是很有很多步。比如说我们计算n = 50的时候的值,花费了大概56秒时间,计算的结果是12586269025

long start = System.nanoTime();
long res = diguiFeibo(50);
long end = System.nanoTime();
System.out.println("total nano time == " + (end - start) + "  res == " + res);
//在i5 6500 cpu机器上执行结果:total nano time == 56020760400  res == 12586269025
斐波拉契数列计算流程

可以很明显的看出来这种计算方式所耗费的时间是相当漫长的,并且从上图中我们可以看出来,一个F(N)可能存在多次被计算的过程,最后总的时间复杂度为O(2^n)。
那么我么有没有办法去优化一下,让其每一个F(N)只会计算一次呢,答案是肯定得。我们可以用一个容器来将每一步的计算结果储存,简单的我们可以用一个数组来存储。所以我们的程序可以改写成如下:

private static long diguiFeibo(long[] results, int n) {
    if (n < 2) {
        results[n] = 1;
        return n;
    }
    if (results[n] == 0) {
        results[n] = diguiFeibo(results, n - 1) + diguiFeibo(results, n - 2);
    }
    return results[n];
}

改进后的算法时间复杂度从O(2^n)时间复杂度降为O(n),相当于从指数级别降到线性级别。执行时间是6100纳秒,大概0.006毫秒,可见这其中的时间差距有多大!

long start = System.nanoTime();
long res = diguiFeibo(new long[51], 50);
long end = System.nanoTime();
System.out.println("total nano time == " + (end - start) + "  res == " + res);
//在i5 6500 cpu机器上执行结果:total nano time == 6100  res == 12586269025

从以上例子可以得出的结论:我们在进行递归的时候要考虑是否进行了一些重复计算,并且我们可以将前一步的计算结果通过参数的形式传到当前这一步。
ps:加入我们不用递归,我们也是有办法计算出斐波拉契数列的,我们来分析通项公式

F(n)=F(n-1)+F(n-2)
可见,在我们计算了F(n)的值之后,我们将F(n-1)的值变成F(n),将F(n-2)的值变为F(n - 1),这样不停的迭代,我们也是可以求出其值的。具体代码如下:

private static long feibo(int n) {
    if (n == 1 || n == 2) {
        return 1;
    }
    
    long s = 0;
    long s1 = 1;
    long s2 = 1;
    
    for (int i = 3; i <= n; i++) {
        s = s1 + s2;
        s2 = s1;
        s1 = s;
    }
    return s;
}

计算n=50的值,发现其耗时更优,其时间复杂度为O(n),空间复杂度为O(1),显然这个方法也是比较优秀的方法。

//在i5 6500 cpu机器上执行结果:total nano time == 2900  res == 12586269025

关于递归传值的经典题目:
LeetCode 22 题

给出 n 代表生成括号的对数,请你写出一个函数,使其能够生成所有可能的并且有效的括号组合。
例如,给出 n = 3,生成结果为:
[
"((()))",
"(()())",
"(())()",
"()(())",
"()()()"
]

这个题目是一道很经典的利用递归传参的题目,其解法如下:

class Solution {
    //总括号数
    int total = 0;
    public List<String> generateParenthesis(int n) {
        //left左括号"(", right右括号")"
        total = n;
        String curr = "";
        List<String> result = new ArrayList<>();
        parenthes(curr, result, 0, 0);
       return result;
    }
    //curr 当前括号形成的字符串,
    //result 存放所有可能结果的List
    //leftNum 已经使用了的左括号数
    //rightNum 已经使用了的右括号数
    private void parenthes(String curr, List<String> result, int leftNum, int rightNum) {
        if (leftNum == total && rightNum == total) {
            result.add(curr);
        }
        //使用左括号小于限定总数,可以继续在后面加左括号
        if (leftNum < total) {
            parenthes(curr + "(", result, leftNum + 1, rightNum);
        }
        
        //使用左括号大于右括号,可以在后面加上右括号。
        if (leftNum > rightNum) {
            parenthes(curr + ")", result, leftNum, rightNum + 1);
        }  
    }
}

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,717评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,501评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,311评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,417评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,500评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,538评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,557评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,310评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,759评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,065评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,233评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,909评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,548评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,172评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,420评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,103评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,098评论 2 352