斐波那契数列算法分析Word文档格式.docx
《斐波那契数列算法分析Word文档格式.docx》由会员分享,可在线阅读,更多相关《斐波那契数列算法分析Word文档格式.docx(9页珍藏版)》请在冰豆网上搜索。
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:
longfib1(intn)
{
if(n<
=2)
return1;
}
else
returnfib1(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:
longfib1(intn,int*arr)
arr[n]++;
{
}
else
returnfib1(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)=1fib(9)=1fib(8)=2fib(7)=3
fib(6)=5fib(5)=8fib(4)=13fib(3)=21
fib
(2)=34fib
(1)=55fib(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(Compoundinterestrule):
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:
longfib(intn,longa,longb,intcount)
if(count==n)
returnb;
returnfib(n,b,a+b,++count);
longfib2(intn)
returnfib(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)
longfib3(intn)
longx=0,y=1;
for(intj=1;
j<
n;
j++)
y=x+y;
x=y-x;
returny;
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>
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:
classMatrix
public:
longmatr[2][2];
Matrix(constMatrix&
rhs);
Matrix(longa,longb,longc,longd);
Matrix&
operator=(constMatrix&
);
friendMatrixoperator*(constMatrix&
lhs,constMatrix&
rhs)
Matrixret(0,0,0,0);
[0][0]=[0][0]*[0][0]+[0][1]*[1][0];
[0][1]=[0][0]*[0][1]+[0][1]*[1][1];
[1][0]=[1][0]*[0][0]+[1][1]*[1][0];
[1][1]=[1][0]*[0][1]+[1][1]*[1][1];
returnret;
};
Matrix:
:
Matrix(longa,longb,longc,longd)
this->
matr[0][0]=a;
matr[0][1]=b;
matr[1][0]=c;
matr[1][1]=d;
Matrix(constMatrix&
matr[0][0]=[0][0];
matr[0][1]=[0][1];
matr[1][0]=[1][0];
matr[1][1]=[1][1];
Matrix&
return*this;
Matrixpower(constMatrix&
m,intn)
if(n==1)
returnm;
if(n%2==0)
returnpower(m*m,n/2);
returnpower(m*m,n/2)*m;
longfib4(intn)
Matrixmatrix0(1,1,1,0);
matrix0=power(matrix0,n-1);
[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:
longfib5(intn)
doublez=sqrt;
doublex=(1+z)/2;
doubley=(1-z)/2;
return(pow(x,n)-pow(y,n))/z+;
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:
intmain()
cout<
<
fib1(45)<
endl;
fib2(45)<
fib3(45)<
fib4(45)<
cout<
fib5(45)<
return0;
函数fib1会等待好久,其它的都能很快得出结果,并且相同为:
。
而后面两种只有在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:
),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。
1、N皇后问题算法设计
ALGORITHM
procedurePLACE(k)
//如果一个皇后能放在第k行的X(k)列,则返
回true;
否则返回false。
X是一个全程数
组,进入此过程时已置了k个值。
//
globalX(1:
k);
integeri,k
i←1
whilei<
kdo
ifX(i)=X(k)//在同一列有两个皇后//
orABS(X(i)-X(k))=ABS(i-k)
//在同——条斜角线上//
thenreturn(false)
endif
i←i+1
repeat
return(true)//满足约束//
endPLACE
procedureNQUEENS(n)
//此过程使用回溯法求出在一个n*n棋盘上放置n个皇后,使其能互相攻击的所有可能位置//
X
(1)←0;
k←1//k是当前行;
X(k)是当前列//
Whilek>
0do//对所有的行执行以下语句//
{X(k)←X(k)+1//移到下一列//
WhileX(k)≤nandnotPLACE(k)do
{X(k)←X(k)十l;
}//如果第k个皇后的列X(k)不合理,就看下一列//
ifX(k)≤n//找到一个位置//
thenifk=n//是一个完整的解吗//
thenprint(X)//是,打印这个数组//
else{k←k+1;
X(k)←0;
endif//扩展,搜索下一个皇后//
elsek←k-1//回溯//
endif
endNQUEENS
Program:
#include<
>
intk=0,a[20],j=1,flag,n,c=0;
//k为解的个数,n为皇后的个数,flag标记有没有放置皇后
voidlycQueen(){//递归求解函数
inti,h;
//i为行号,h为列号
for(h=1;
h<
=n;
h++){
a[j]=h;
for(i=1;
i<
j;
i++){//将第j个皇后的位置依次跟前面j-1个皇后比较
if(a[i]==a[j]||abs(a[j]-a[i])==abs(j-i)){flag=0;
break;
}//两个皇后在同一行或者同一对角线上,冲突
elseflag=1;
//没冲突,放置一个皇后
}//for
if(flag==0&
&
a[j]!
=n)continue;
//没试探完,继续试探
if(flag==1&
j==n){//放置完n个皇后,得到一个解
k=k+1;
c=1;
//解的个数加1
i++)
printf("
%d"
a[i]);
//输出第i个皇后放置的行号
\n"
if(a[j]==n)
flag=0;
}//if
j!
=n){j++;
lycQueen();
}//递归调用
a[j]==n){j--;
}//回溯,退回去重新试探
}//lycQueen
voidmain(){
inti;
请输入皇后的个数:
"
scanf("
&
n);
//输入皇后的个数n
j=1;
i++){
a[j]=i;
j=j+1;
//调用lycQueen函数
if(c==1)j=1;
解的个数为%d个\n"
k);
}//main