题目：
计算斐波那契数列。具体什么是斐波那契数列，那就是0，1，1，2，3，5，8，13，21，34，55，89，144，233。
要求：
时间复杂度尽可能少
分析：
给出了三种方法：
方法1：递归的方法，在这里空间复杂度非常大。如果递归层数非常多的话，在python里需要调整解释器默认的递归深度。默认的递归深度是1000。我调整了半天代码也没有调整对，因为递归到1000已经让我的电脑的内存有些撑不住了。
方法2：将递归换成迭代，这样时间复杂度也在代码中标注出来了。
方法3：这种方法利用了求幂的简便性，采用了位运算。但是代价在于需要建立矩阵，进行矩阵运算。所以，当所求的数列的个数较小时，该方法还没有第二种简便。但是当取的索引值n超级大时，这种方法就非常方便了。时间复杂度在代码中标注出来了。
代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
|
#!usr/bin/python2.7
# -*- coding=utf8 -*-
# @Time : 18-1-3 下午2:53
# @Author : Cecil Charlie
import sys
import copy
sys.setrecursionlimit(1000) # 用来调整解释器默认最大递归深度
class Fibonacci(object):
def __init__(self):
pass
def fibonacci1(self, n):
'''
原始的方法，时间复杂度为 o(2**n)，因此代价较大
:param n: 数列的第n个索引
:return: 索引n对应的值
'''
if n < 1:
return 0
if n == 1 or n == 2:
return 1
return self.fibonacci1(n-1) + self.fibonacci1(n-2)
@staticmethod
def fibonacci2(n):
"""
用循环替代递归，空间复杂度急剧降低，时间复杂度为o(n)
"""
if n < 1:
return 0
if n == 1 or n == 2:
return 1
res = 1
tmp1 = 0
tmp2 = 1
for _ in xrange(1, n):
res = tmp1 + tmp2
tmp1 = tmp2
tmp2 = res
return res
def fibonacci3(self, n):
"""
进一步减少迭代次数，采用矩阵求幂的方法，时间复杂度为o(log n)，当然了，这种方法需要额外计算矩阵，计算矩阵的时间开销没有算在内.其中还运用到了位运算。
"""
base = [[1, 1], [1, 0]]
if n < 1:
return 0
if n == 1 or n == 2:
return 1
res = self.__matrix_power(base, n-2)
return res[0][0] + res[1][0]
def __matrix_power(self, mat, n):
"""
求一个方阵的幂
"""
if len(mat) != len(mat[0]):
raise ValueError("The length of m and n is different.")
if n < 0 or str(type(n)) != "<type 'int'>":
raise ValueError("The power is unsuitable.")
product, tmp = [], []
for _ in xrange(len(mat)):
tmp.append(0)
for _ in xrange(len(mat)):
product.append(copy.deepcopy(tmp))
for _ in xrange(len(mat)):
product[_][_] = 1
tmp = mat
while n > 0:
if (n & 1) != 0: # 按位与的操作，在幂数的二进制位为1时，乘到最终结果上，否则自乘
product = self.__multiply_matrix(product, tmp)
tmp = self.__multiply_matrix(tmp, tmp)
n >>= 1
return product
@staticmethod
def __multiply_matrix(mat1, mat2):
"""
矩阵计算乘积
:param m: 矩阵1，二维列表
:param n: 矩阵2
:return: 乘积
"""
if len(mat1[0]) != len(mat2):
raise ValueError("Can not compute the product of mat1 and mat2.")
product, tmp = [], []
for _ in xrange(len(mat2[0])):
tmp.append(0)
for _ in xrange(len(mat1)):
product.append(copy.deepcopy(tmp))
for i in xrange(0, len(mat1)):
for j in xrange(0, len(mat2[0])):
for k in xrange(0, len(mat1[0])):
if mat1[i][k] != 0 and mat2[k][j] != 0:
product[i][j] += mat1[i][k] * mat2[k][j]
return product
f = Fibonacci()
print f.fibonacci1(23)
print f.fibonacci2(23)
mat1 = [[2,4,5],[1,0,2],[4,6,9]]
mat2 = [[2,9],[1,0],[5,7]]
print f.fibonacci3(23)
|
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/dongrixinyu/article/details/78964498