- 浏览: 277427 次
- 性别:
- 来自: 北京
文章分类
最新评论
-
marshan:
服务器可以异步执行
HTML5中的服务器‘推送’技术 -Server-Sent Events -
flex_莫冲:
marshan 写道这个间隔可以由服务器端完成 无伤大雅服务器 ...
HTML5中的服务器‘推送’技术 -Server-Sent Events -
marshan:
这个间隔可以由服务器端完成 无伤大雅
HTML5中的服务器‘推送’技术 -Server-Sent Events -
flex_莫冲:
SSE就是循环执行ajax。SSE还不能自定义循环时间间隔。
HTML5中的服务器‘推送’技术 -Server-Sent Events -
iMaplezhou:
"然后用这个非抽象类的实例来调用方法"。怎 ...
Java抽象类和抽象方法
斐波那契数列算法分析
- 博客分类:
- 数据结构和算法
斐波那契数列算法分析
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。
3,杨辉三角中隐藏着斐波那契数列
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; }
发表评论
-
【笔试】两个大数相乘
2011-09-16 14:09 2119package com.baidu.ecom; ... -
斐波那契数列--真的少了一块吗?
2011-09-06 14:16 1150某人把一个8*8的方格切成四块,拼成一个5 ... -
斐波那契数列算法分析 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
2011-09-06 13:49 1窗体顶端 斐波那 ... -
有一亿个随机数,不排序如何找出其中位数【转】
2011-05-30 15:46 4719有一亿个随机数,不排序如何找出其中位数 题目:在一个文 ... -
打印Zig-zag矩阵
2011-05-25 15:53 1765输入一个数字i,然后生成i×i的矩阵,矩阵的内容沿45度线递增 ... -
打印螺旋矩阵
2011-05-25 15:35 2387求职过程遇到的一道 ... -
【面试】【扩展】快速寻找满足条件(两个数的和为指定值)的两个数
2011-05-14 10:34 1678从上篇文章我们可以看出寻找两个数和为指定值的较好解法是: 先把 ... -
【面试】快速寻找满足条件(两个数的和为指定值)的两个数
2011-05-14 10:16 1842引用【面试】快速寻找满足条件(两个数的和为指定值)的两个数题目 ... -
寻找第K大的数的方法总结
2011-05-14 09:48 2244寻找第K大的数的方法总结 今天看算法分析是, ... -
二叉树重建【转自北大ACM】
2011-05-11 22:19 2163二叉树重建 二叉树的遍历学列:先序序列,中序序列,后序序列,逆 ... -
求二叉树中节点的最大距离(比较适合我理解思路)
2011-05-11 21:53 3963求二叉树中节点的最大距离 求二叉树中节点的最大距离,两个节点 ...
相关推荐
斐波那契数列算法分析.doc
斐波那契数列算法分析.pdf
程序分析:斐波那契数列(Fibonacci sequence),又称黄金分割数列,指的是这样一个数列:0、1、1、2、3、5、8、13、21、34、…… 在数学上,费波那契数列是以递归的方法来定义: F0 = 0 (n=0) F1 = 1 (n=1) Fn ...
斐波那契数列几种算法分析.doc
通过分别用递归法、迭代法、矩阵法以及公式法对斐波那契数列的C++算法进行分析,最终总结并得出计算斐波那契数列在时间效率层面上最优的算法为矩阵法,但综合考虑下来的最优算法为迭代法。
哈夫曼编码课程设计报告.doc
基于 王晓东版本的 算法设计与分析 采用递归方法来寻找斐波那契数列的第N项
。。。
。。。
。。。
。。。
。。。
。。。
。。。
。。。
。。。
。。。
Fibonacci数列 的定义如下: 请用递归方法和非递归方法求解该问题,各编写一个函数,要求函数接受 的值,返回 的值。两个程序实现后,分别求 的情况,对比两个程序的执行时间,然后分别对两种算法进行复杂性分析。
数据结构与算法分析 经典笔记学习笔记 1 前言 1.1 所选教材 1.2 写作原因 1.3 一些约定 1.4 历史记录 1.5 联系方式 2 单链表 2.1 代码实现 2.2 效率问题 2.3 应用:一元多项式(加法和乘法) 2.3.1 基础知识 2.3.2 ...
1. 初级程序员注重算法和数据结构 2. 事先做好准备,对工作有热情 3. 面试过程放松。不要急于写代码,了解清楚所要解决的问题,多和面试官沟通,然后开始做一些整体的设计和规划。不要急于提交,自己测试几个用例避免错误...