Uma breve introdução sobre a sequência de Fibonacci:
A sequência de Fibonacci, também conhecida como sequência da seção áurea, refere-se a tal sequência: 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, ... Em matemática, a sequência de Fibonacci É definido recursivamente da seguinte forma: F (0) = 0, F (1) = 1, F (n) = F (n-1) + F (n-2) (n≥2, n∈N * ) Na física moderna, na estrutura quase-cristalina, na química e em outros campos, a sequência de Fibonacci tem aplicações diretas. Por essa razão, a American Mathematical Society publicou uma matemática intitulada "Fibonacci Sequence Quarterly" desde 1963. Revista, utilizada para publicar resultados de pesquisas na área.
Tópico especifico:
Existem três algoritmos comumente usados para resolver o F (n) da sequência de Fibonacci: algoritmo recursivo e algoritmo não recursivo e potência rápida de matriz. Tente analisar a complexidade de tempo dos três algoritmos.
1. Algoritmo recursivo
#include<iostream>
using namespace std;
long Fibonacci(int n) {
if (n == 0)
return 0;
else if (n == 1)
return 1;
else
return Fibonacci(n - 1) + Fibonacci(n-2);
}
int main() {
cout << "Enter an integer number:" << endl;
int N;
cin >> N;
cout << Fibonacci(N) << endl;
system("pause");
return 0;
}
Análise de complexidade de tempo:
Para resolver F (n), F (n-1) e F (n-2) devem ser calculados primeiro, F (n-1) e F (n-2) devem ser calculados, e F (n-3) e F devem ser calculados primeiro (n-4). . . . . . E assim por diante, até que você tenha que calcular F (1) e F (0) primeiro, e então inversamente obter os resultados de F (n-1) e F (n-2), de modo a obter F (n) para calcular muitos valores repetidos , Causou muita perda de tempo, a complexidade do tempo do algoritmo aumenta exponencialmente com o aumento de N, a complexidade do tempo é O (2 ^ n), ou seja, a enésima potência de 2
2. Algoritmo não recursivo
#include<iostream>
using namespace std;
long Fibonacci(int n) {
if (n <= 2)
return 1;
else {
long num1 = 1;
long num2 = 1;
for (int i = 2;i < n - 1;i++) {
num2 = num1 + num2;
num1 = num2 - num1;
}
return num1 + num2;
}
}
int main() {
cout << "Enter an integer number:" << endl;
int N;
cin >> N;
cout << Fibonacci(N) << endl;
system("pause");
return 0;
}
Análise de complexidade de tempo:
Calcule a partir de n (> 2) e use a adição de F (n-1) e F (n-2) para encontrar o resultado. Isso evita muitos cálculos repetidos e sua eficiência é muito mais rápida que o algoritmo recursivo , A complexidade de tempo do algoritmo é proporcional an, ou seja, a complexidade de tempo do algoritmo é O (n).
3. Multiplicação de matrizes + potência rápida
Portanto, o cálculo de f (n) é simplificado para calcular a potência (n-2) da matriz, e para calcular a potência (n-2) da matriz, podemos decompô-la, ou seja, calcular a potência (n-2) / 2 da matriz O quadrado de, decompõe-se passo a passo, e a complexidade do tempo é O (log n) devido ao cálculo da potência da matriz pela metade
#include <iostream>
using namespace std;
class Matrix
{
public:
int n;
int **m;
Matrix(int num)
{
m=new int*[num];
for (int i=0; i<num; i++) {
m[i]=new int[num];
}
n=num;
clear();
}
void clear()
{
for (int i=0; i<n; ++i) {
for (int j=0; j<n; ++j) {
m[i][j]=0;
}
}
}
void unit()
{
clear();
for (int i=0; i<n; ++i) {
m[i][i]=1;
}
}
Matrix operator=(const Matrix mtx)
{
Matrix(mtx.n);
for (int i=0; i<mtx.n; ++i) {
for (int j=0; j<mtx.n; ++j) {
m[i][j]=mtx.m[i][j];
}
}
return *this;
}
Matrix operator*(const Matrix &mtx)
{
Matrix result(mtx.n);
result.clear();
for (int i=0; i<mtx.n; ++i) {
for (int j=0; j<mtx.n; ++j) {
for (int k=0; k<mtx.n; ++k) {
result.m[i][j]+=m[i][k]*mtx.m[k][j];
}
}
}
return result;
}
};
int main(int argc, const char * argv[]) {
unsigned int num=2;
Matrix first(num);
first.m[0][0]=1;
first.m[0][1]=1;
first.m[1][0]=1;
first.m[1][1]=0;
int t;
cin>>t;
Matrix result(num);
result.unit();
int n=t-2;
while (n) {
if (n%2) {
result=result*first;
}
first=first*first;
n=n/2;
}
cout<<(result.m[0][0]+result.m[0][1])<<endl;
return 0;
}
Este artigo é uma integração de recursos, entre em contato comigo se houver alguma violação.