算法分析是我最喜歡的課程之一。一個精妙的算法,猶如一杯香濃的咖啡,讓人意猶未盡。
算法代碼,python。
今天分享的這個算法是生成斐波那契數列第N項。
斐波那契數列(Fibonacci sequence)
寫一個方法def fibonacci(n) 生成項,輸入參數n表示序列號,返回值是的值:
直觀樸素的算法:
def fibonacci(n):
if n == 0:
return 0
elif n == 1:
return 1
elif n > 1:
return fibonacci(n-2) + fibonacci(n-1)
print(fibonacci(7))
使用這個遞歸算法,效率如何呢?
當n = 0時,該方法調用次數是1
當n = 1時,該方法調用次數是1
當n = 2時,該方法調用次數是3
當n = 3時,該方法調用次數是5
當n = 4時,該方法調用次數是9
以此類推,
當n = 5時,該方法調用次數是15
當n = 6時,該方法調用次數是25
隨着n的增長,該算法的複雜度呈指數級增長,這是很糟糕的情況,如果n值大一些,那就有可能超出編程語言的最大遞歸次數而無法獲得有效結果。
有沒有更高效的算法?
仔細觀察上圖,你會發現在計算過程中會出現許多重複調用,比如fibonacci(0)被重複調用了2次,fibonacci(1)被重複調用了3次。因此,我們可以把之前算過的結果存下來。
直觀的順序算法
def fibonacci(n):
f_n_2 = 0
f_n_1 = 1
f_n = 0
for i in range(n-1):
f_n = f_n_2 + f_n_1
f_n_2 = f_n_1
f_n_1 = f_n
return f_n
print(fibonacci(7))
以上這個算法記錄和的值,避免了重複運算,算法複雜度是線性的,效率較之前提升了不少。
那還有沒有更高效的算法?
遞歸平法算法
有的,可以利用矩陣的n次方來計算斐波那契數列。
因此,我們可以通過計算 來獲得的值。
計算則可以使用以下遞歸算法。
def fibonacci(n):
if n == 0:
return 0
if n == 1:
return 1
else:
f_matrix = fibonacci_matrix(n)
return f_matrix[0][0]
def fibonacci_matrix(n):
if n < 2:
return -1
elif n == 2:
f_n = 1
f_n_1 = fibonacci_matrix(n-1)
f_n_2 = fibonacci_matrix(n-2)
elif n > 1 and n%2 == 0:
f = fibonacci_matrix(n/2)
f_n = f[0][0]* f[0][0] + f[0][1]*f[1][0]+f[0][0]* f[0][1] + f[0][1]*f[1][1]
f_n_2 = f[0][0]* f[0][1] + f[0][1]*f[1][1]
f_n_1 = f_n-f_n_2
else:
f = fibonacci_matrix((n+1)/2)
f_n = f[0][0]* f[0][0]+f[0][1]* f[1][0]
f_n_1 = f[0][0]* f[0][1]+f[0][1]*f[1][1]
f_n_2 = f_n - f_n_1
return [[f_n,f_n_1],[f_n_1,f_n_2]]
這個算法的複雜度時對數級的,比之前的算法又有改進。
我們可以來看一下,算法二和算法三的速度對比,分別是n=10000,n=50000,n=100000時的耗時,隨着n的增長算法三的優勢就顯而易見了。
算法二
1st run - n=10000 :
0:00:00.004448
2nd run - n=50000:
0:00:00.038660
3rd run - n=100000:
0:00:00.164054
算法三
Recursive Squaring
1st run - n=10000 :
0:00:00.000158
2nd run - n=50000:
0:00:00.001296
3rd run - n=100000:
0:00:00.005507
今天的斐波那契數列算法就講到這裏。