1. 程式人生 > >微軟面試100題之19題:定義Fibonacci 數列如下,用最快的方法求該數列的第n 項

微軟面試100題之19題:定義Fibonacci 數列如下,用最快的方法求該數列的第n 項

題目:定義Fibonacci 數列如下:
/ 0 n=0
f(n)= 1 n=1
\ f(n-1)+f(n-2) n=2
輸入n,用最快的方法求該數列的第n 項。
分析:在很多C 語言教科書中講到遞迴函式的時候,都會用Fibonacci 作為例子。

因此很多程式設計師對這道題的遞迴解法非常熟悉,但....呵呵,你知道的。。

  1. //////////////////////////////////////////////////////////////////////  
  2. // Calculate the nth item of Fibonacci Series recursively  
  3. ///////////////////////////////////////////////////////////////////////  
  4. long long Fibonacci_Solution1(unsigned int n)  
  5. {  
  6.       int result[2] = {0, 1};  
  7.       if(n < 2)  
  8.             return result[n];  
  9.       return Fibonacci_Solution1(n - 1) + Fibonacci_Solution1(n - 2);  
  10. }  
但是,教科書上反覆用這個題目來講解遞迴函式,並不能說明遞迴解法最適合這道題目。我們以求解f(10)作為例子來分析遞迴求解的過程。要求得f(10),需要求得f(9)和f(8)。同樣,要求得f(9),要先求得f(8)和f(7)……我們用樹形結構來表示這種依賴關係 
                   f(10) 
                /         \ 

             f(9)          f(8) 
           /      \        /     \ 
        f(8)      f(7)   f(6)    f(5) 
       /    \      /    \ 
    f(7)   f(6)   f(6) f(5) 
我們不難發現在這棵樹中有很多結點會重複的,而且重複的結點數會隨著n的增大而急劇增加。這意味這計算量會隨著n的增大而急劇增大。事實上,用遞迴方法計算的時間複雜度是以n的指數的方式遞增的。大家可以求Fibonacci的第100項試試,感受一下這樣遞迴會慢到什麼程度。在我的機器上,連續運行了一個多小時也沒有出來結果。 

其實改進的方法並不複雜。上述方法之所以慢是因為重複的計算太多,只要避免重複計算就行了。比如我們可以把已經得到的數列中間項儲存起來,如果下次需要計算的時候我們先查詢一下,如果前面已經計算過了就不用再次計算了。 
更簡單的辦法是從下往上計算,首先根據f(0)和f(1)算出f(2),在根據f(1)和f(2)算出f(3)……依此類推就可以算出第n項了。很容易理解,這種思路的時間複雜度是O(n)。 
  1. ///////////////////////////////////////////////////////////////////////  
  2. // Calculate the nth item of Fibonacci Series iteratively  
  3. ///////////////////////////////////////////////////////////////////////  
  4. long long Fibonacci_Solution2(unsigned n)  
  5. {  
  6.       int result[2] = {0, 1};  
  7.       if(n < 2)  
  8.             return result[n];  
  9.       long long   fibNMinusOne = 1;  
  10.       long long   fibNMinusTwo = 0;  
  11.       long long   fibN = 0;  
  12.       for(unsigned int i = 2; i <= n; ++ i)  
  13.        {  
  14.              fibN = fibNMinusOne + fibNMinusTwo;  
  15.              fibNMinusTwo = fibNMinusOne;  
  16.              fibNMinusOne = fibN;  
  17.        }  
  18.       return fibN;  
  19. }  
  20. 這還不是最快的方法。下面介紹一種時間複雜度是O(logn)的方法。在介紹這種方法之前,先介紹一個數學公式: 
    {f(n), f(n-1), f(n-1), f(n-2)} ={1, 1, 1,0}n-1 
    (注:{f(n+1), f(n), f(n), f(n-1)}表示一個矩陣。在矩陣中第一行第一列是f(n+1),第一行第二列是f(n),第二行第一列是f(n),第二行第二列是f(n-1)。) 
    有了這個公式,要求得f(n),我們只需要求得矩陣{1, 1, 1,0}的n-1次方,因為矩陣{1, 1, 1,0}的n-1次方的結果的第一行第一列就是f(n)。這個數學公式用數學歸納法不難證明。感興趣的朋友不妨自己證明一下。 
    現在的問題轉換為求矩陣{1, 1, 1, 0}的乘方。如果簡單第從0開始迴圈,n次方將需要n次運算,並不比前面的方法要快。但我們可以考慮乘方的如下性質: 
             /   an/2*an/2                       n為偶數時 
    an= 
             \   a(n-1)/2*a(n-1)/2             n為奇數時 
    要求得n次方,我們先求得n/2次方,再把n/2的結果平方一下。如果把求n次方的問題看成一個大問題,把求n/2看成一個較小的問題。這種把大問題分解成一個或多個小問題的思路我們稱之為分治法。這樣求n次方就只需要logn次運算了。 
    實現這種方式時,首先需要定義一個2×2的矩陣,並且定義好矩陣的乘法以及乘方運算。當這些運算定義好了之後,剩下的事情就變得非常簡單。完整的實現程式碼如下所示。 
    1. #include <cassert>  
    2. ///////////////////////////////////////////////////////////////////////  
    3. // A 2 by 2 matrix  
    4. ///////////////////////////////////////////////////////////////////////  
    5. struct Matrix2By2  
    6. {  
    7.        Matrix2By2  
    8.        (  
    9.             long long m00 = 0,   
    10.             long long m01 = 0,   
    11.             long long m10 = 0,   
    12.             long long m11 = 0  
    13.        )  
    14.        :m_00(m00), m_01(m01), m_10(m10), m_11(m11)   
    15.        {  
    16.        }  
    17.       long long m_00;  
    18.       long long m_01;  
    19.       long long m_10;  
    20.       long long m_11;  
    21. };  
    22. ///////////////////////////////////////////////////////////////////////  
    23. // Multiply two matrices  
    24. // Input: matrix1 - the first matrix  
    25. //         matrix2 - the second matrix  
    26. //Output: the production of two matrices  
    27. ///////////////////////////////////////////////////////////////////////  
    28. Matrix2By2 MatrixMultiply  
    29. (  
    30.       const Matrix2By2& matrix1,   
    31.       const Matrix2By2& matrix2  
    32. )  
    33. {  
    34.       return Matrix2By2(  
    35.              matrix1.m_00 * matrix2.m_00 + matrix1.m_01 * matrix2.m_10,  
    36.              matrix1.m_00 * matrix2.m_01 + matrix1.m_01 * matrix2.m_11,  
    37.              matrix1.m_10 * matrix2.m_00 + matrix1.m_11 * matrix2.m_10,  
    38.              matrix1.m_10 * matrix2.m_01 + matrix1.m_11 * matrix2.m_11);  
    39. }  
    40. ///////////////////////////////////////////////////////////////////////  
    41. // The nth power of matrix   
    42. // 1   1  
    43. // 1   0  
    44. ///////////////////////////////////////////////////////////////////////  
    45. Matrix2By2 MatrixPower(unsigned int n)  
    46. {  
    47.        assert(n > 0);  
    48.        Matrix2By2 matrix;  
    49.       if(n == 1)  
    50.        {  
    51.              matrix = Matrix2By2(1, 1, 1, 0);  
    52.        }  
    53.       else if(n % 2 == 0)  
    54.        {  
    55.              matrix = MatrixPower(n / 2);  
    56.              matrix = MatrixMultiply(matrix, matrix);  
    57.        }  
    58.       else if(n % 2 == 1)  
    59.        {  
    60.              matrix = MatrixPower((n - 1) / 2);  
    61.              matrix = MatrixMultiply(matrix, matrix);  
    62.              matrix = MatrixMultiply(matrix, Matrix2By2(1, 1, 1, 0));  
    63.        }  
    64.       return matrix;  
    65. }  
    66. ///////////////////////////////////////////////////////////////////////  
    67. // Calculate the nth item of Fibonacci Series using devide and conquer  
    68. ///////////////////////////////////////////////////////////////////////  
    69. long long Fibonacci_Solution3(unsigned int n)  
    70. {  
    71.       int result[2] = {0, 1};  
    72.       if(n < 2)  
    73.             return result[n];  
    74.        Matrix2By2 PowerNMinus2 = MatrixPower(n - 1);  
    75.       return PowerNMinus2.m_00;  
    76. }