动态规划(1)——斐波那契数列
2017-10-19 23:03
447 查看
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归的方法定义:F(0)=0,F(1)=1, F(n)=F(n-1)+F(n-2)(n>=2,n∈N*)在现代物理、准晶体结构、化学等领域,斐波纳契数列都有直接的应用
首先观察1、1、2、3、5、8、13、21、34可以写出求斐波那契数列非递归实现
而由F(n)=F(n-1)+F(n-2)公式很容易想到使用递归实现
计算可以得出这种递归的时间复杂度是O(2^n)水平,我们将递归树画出如下
可以看出进行了重复的计算,我们想提高效率也就是使得不重复计算,将子问题计算的结果记忆起来。
我们引入一个vector记录计算的结果
使用记忆化搜索,记录斐波那契的值,此时时间复杂度已经是O(n)级别。
我们在使用递归的过程中实际是自上而下的解决问题,而如果我们自下而上的解决问题,即将原问题拆解成若干子问题,同时保存子问题的答案,使得每个子问题只求解一次,最终获得原问题的答案,这就是动态规划
dynamic programming (also known as dynamic optimization) is a method for solving a complex problem by breaking it down into a collection of simpler subproblems, solving each of those subproblems just once, and storing their solutions. 维基百科-动态规划
使用动态规划代码如下
可以知道自上向下的记忆化搜索和动态规划的方法都是O(n)级别的,但在记忆化搜索中fib函数调用了2n-1次而不是n次,而递归调用还花费时间和空间,动态规划的方法实际上每个mem只访问了一下,相比之下自下向上的动态规划是更优的选择。
类似的问题跳台阶(Climbing Stairs)可以转化为斐波那契数列问题,解法是一样的
958a
首先观察1、1、2、3、5、8、13、21、34可以写出求斐波那契数列非递归实现
int fib(int n) { int f = 1; int b = 0; while(--n) { f += b; b = f -b; } return f; }
而由F(n)=F(n-1)+F(n-2)公式很容易想到使用递归实现
int fib(int n) { if(n==0) return 0; if(n==1) return 1; return fib(n-1)+fib(n-2); }
计算可以得出这种递归的时间复杂度是O(2^n)水平,我们将递归树画出如下
可以看出进行了重复的计算,我们想提高效率也就是使得不重复计算,将子问题计算的结果记忆起来。
我们引入一个vector记录计算的结果
vector<int> mem(n+1,-1); int fib(int n) { if(n==0) return 0; if(n==1) return 1; if(mem ==-1) mem =fib(n-1)+fib(n-2); return mem ; }
使用记忆化搜索,记录斐波那契的值,此时时间复杂度已经是O(n)级别。
我们在使用递归的过程中实际是自上而下的解决问题,而如果我们自下而上的解决问题,即将原问题拆解成若干子问题,同时保存子问题的答案,使得每个子问题只求解一次,最终获得原问题的答案,这就是动态规划
dynamic programming (also known as dynamic optimization) is a method for solving a complex problem by breaking it down into a collection of simpler subproblems, solving each of those subproblems just once, and storing their solutions. 维基百科-动态规划
使用动态规划代码如下
int fib(int n) { vector<int> mem(n+1,-1); mem[0]=0; mem[1]=1; for(int i=2; i<=n; i++) mem[i]=mem[i-1]+mem[i-2]; return mem ; }
可以知道自上向下的记忆化搜索和动态规划的方法都是O(n)级别的,但在记忆化搜索中fib函数调用了2n-1次而不是n次,而递归调用还花费时间和空间,动态规划的方法实际上每个mem只访问了一下,相比之下自下向上的动态规划是更优的选择。
类似的问题跳台阶(Climbing Stairs)可以转化为斐波那契数列问题,解法是一样的
958a
相关文章推荐
- 动态规划与斐波那契数列问题,最短路径问题
- 动态规划的方法求解斐波那契数列
- Nyoj 492 骨牌铺方格[简单动态规划||斐波那契数列]
- 从Alphacode看斐波那契数列与线性动态规划
- 动态规划--斐波那契数列
- 动态规划-斐波那契数列求算
- 动态规划问题学习路线:斐波那契数列,最大递增子序列,松鼠捡苹果,最大公共子序列,字符串编辑距离
- 求解斐波那契数列的动态规划方法
- 动态规划之斐波那契数列
- 动态规划入门-斐波那契数列的计算
- c++ 函数对象动态规划解斐波那契数列
- 剑指offer 07-10 斐波那契数列类型题目的动态规划解题方法(递归方法)
- 动态规划8:斐波那契数列
- 动态规划入门之求解斐波那契数列
- 动态规划推荐题目(持续更新)
- C++实现矩阵链乘法利用动态规划及运行实例结果
- 动态规划--最长公共子序列
- 动态规划-最长公共子序列问题
- 动态规划——0-1背包问题
- 背包问题动态规划求解