package leetcode import "math" // 解法一 递归法 时间复杂度 O(2^n),空间复杂度 O(n) func fib(N int) int { if N <= 1 { return N } return fib(N-1) + fib(N-2) } // 解法二 自底向上的记忆化搜索 时间复杂度 O(n),空间复杂度 O(n) func fib1(N int) int { if N <= 1 { return N } cache := map[int]int{0: 0, 1: 1} for i := 2; i <= N; i++ { cache[i] = cache[i-1] + cache[i-2] } return cache[N] } // 解法三 自顶向下的记忆化搜索 时间复杂度 O(n),空间复杂度 O(n) func fib2(N int) int { if N <= 1 { return N } return memoize(N, map[int]int{0: 0, 1: 1}) } func memoize(N int, cache map[int]int) int { if _, ok := cache[N]; ok { return cache[N] } cache[N] = memoize(N-1, cache) + memoize(N-2, cache) return memoize(N, cache) } // 解法四 优化版的 dp,节约内存空间 时间复杂度 O(n),空间复杂度 O(1) func fib3(N int) int { if N <= 1 { return N } if N == 2 { return 1 } current, prev1, prev2 := 0, 1, 1 for i := 3; i <= N; i++ { current = prev1 + prev2 prev2 = prev1 prev1 = current } return current } // 解法五 矩阵快速幂 时间复杂度 O(log n),空间复杂度 O(log n) // | 1 1 | ^ n = | F(n+1) F(n) | // | 1 0 | | F(n) F(n-1) | func fib4(N int) int { if N <= 1 { return N } var A = [2][2]int{ {1, 1}, {1, 0}, } A = matrixPower(A, N-1) return A[0][0] } func matrixPower(A [2][2]int, N int) [2][2]int { if N <= 1 { return A } A = matrixPower(A, N/2) A = multiply(A, A) var B = [2][2]int{ {1, 1}, {1, 0}, } if N%2 != 0 { A = multiply(A, B) } return A } func multiply(A [2][2]int, B [2][2]int) [2][2]int { x := A[0][0]*B[0][0] + A[0][1]*B[1][0] y := A[0][0]*B[0][1] + A[0][1]*B[1][1] z := A[1][0]*B[0][0] + A[1][1]*B[1][0] w := A[1][0]*B[0][1] + A[1][1]*B[1][1] A[0][0] = x A[0][1] = y A[1][0] = z A[1][1] = w return A } // 解法六 公式法 f(n)=(1/√5)*{[(1+√5)/2]^n -[(1-√5)/2]^n},用 时间复杂度在 O(log n) 和 O(n) 之间,空间复杂度 O(1) // 经过实际测试,会发现 pow() 系统函数比快速幂慢,说明 pow() 比 O(log n) 慢 // 斐波那契数列是一个自然数的数列,通项公式却是用无理数来表达的。而且当 n 趋向于无穷大时,前一项与后一项的比值越来越逼近黄金分割 0.618(或者说后一项与前一项的比值小数部分越来越逼近 0.618)。 // 斐波那契数列用计算机计算的时候可以直接用四舍五入函数 Round 来计算。 func fib5(N int) int { var goldenRatio float64 = float64((1 + math.Sqrt(5)) / 2) return int(math.Round(math.Pow(goldenRatio, float64(N)) / math.Sqrt(5))) }