斐波那契数列和反向计算问题

反向计算:编写一个函数将一个整型转换为二进制形式

反向计算问题,递归比循环更简单

分析:需要理解,奇数的二进制最后一位是1,偶数的二进制最后一位一定是0,联想记忆,这个和整型的奇偶性是一致的,1本身就是奇数,0本身是偶数。

十进制整数转换为二进制整数采用"除2取余,逆序排列"法。

具体做法是:用2整除十进制整数,可以得到一个商和余数,再用2去除商,又会得到一个商和余数,如此进行,直到商为0时为止,然后把先得到的余数作为二进制数的低位有效位,后得到的余数作为二进制数的高位有效位,依次排列起来。

对于数值n,二进制最后一位=n%2;计算得到的结果是最后要输出的结果,使用递归函数,联系递归的特点:在递归语句之前计算n%2,在递归调用语句之后输出结果,这样先计算的结果反而在最后输出。

使用了10进制转2进制的反复相除,余数倒置法;

 1 #include <stdio.h>
 2 #include <stdlib.h>
 3 void toBinary(unsigned long);
 4 int main()
 5 {
 6     unsigned long num;
 7     printf("输入一个正整数:q退出\n");
 8     while(scanf_s("%ul", &num) == 1)
 9     {
10         toBinary(num);
11         putchar(‘\n‘);
12         printf("输入一个正整数:\n");
13     }
14     system("pause");
15     return 0;
16 }
17 //递归函数
18 void toBinary(unsigned long num)
19 {
20     int r;
21     r = num % 2;//最后一位要输出的,即使参数=1,还是要计算到这里结束,只取出余数就ok了。然后顺次返回上一级主调函数,继续执行剩下的……
22     //如果商 1 / 2 = 0,计算就可以终止了,不需要再算
23     if (num >= 2)
24     {
25         //精华,联系10进制转2进制的算法,每次除以2,取出余数,然后用新的商继续除以2,取出新余数……直到商为0,余数逆序输出即可
26         toBinary(num / 2);//把新的商作为参数递归调用
27     }
28     //在递归语句之后输出,这样就是倒叙输出
29     printf("%d", r);
30 }

当然使用位操作,也能实现这个算法:

//将无符号十进制数转化为标准16位二进制数
int main()
{
    unsigned short i;

    cout << "请输入一个小于65536的正整数" << endl;
    cin >> i;
    //for语句从15递减到0,一共16次对二进制数的每一位的判断作操作。
    for(int j = 15; j >= 0; j--)
    {
        //<<运算表示把1的二进制形式整体向左移j位,左移后低位补0,移出的高位部分被舍弃。
        if (i & (1 << j)){
            //i&(1<<j)的值相当于把i的二进制的第j位取出来(i的第j位与(1<<j)的第j位与,i的第j位为1时值为真)循环后既得i的二进制形式。
            cout << "1";
        }
        else{
            cout << "0";
        }
    }

    cout << endl;

    return 0;
}

<<运算表示把1的二进制形式整体向左移j位,左移后低位补0,移出的高位部分被舍弃。

例如,当j为15时,表达式(1<<j)的值为1000000000000000;当j为10时,值为0000010000000000。

位运算的“个性”决定了它直接对数据的二进制形式进行操作的快捷性(一般计算机的数据存储基本形式为二进制形式),两个相同算法的程序,用了位运算后会使程序速度上有提高。

使用现成的转换函数也是可以的

_itoa(120, &buffer, 16); 第一个参数是要转换的数,第二个是地址,第三个是进制数

再次看递归的优缺点

优点:为一些编程问题提供了简单的办法,比如上题还有斐贝纳契数列问题等,二个数字是1,其余的每个数字都是前两个数字的和。这使用递归很好。

缺点:占据内存大,耗资源,速度慢,一般难以维护和阅读。比如斐波纳契数列递归函数:

斐波那契数列问题

问题的由来:13世纪的意大利数学家斐波纳契(Fibonacci)写了一本商用的算术和代数手册<<Liber abaci>>。在这本书里,他提出了这么一个有趣的问题:

假定一对兔子在它们从出生整整两个月以后可以生一对小兔子,其后每隔一个月又可以再生一对小兔子。假定现在在一个笼子里有一对刚生下来的小兔子,请问一年以后笼子里应该有几对兔子?

让我们仔细地算一下。

第一、第二个月,小兔子长成大兔子,但还没成熟不能生小兔子,所以总共只有一对。

第三个月,原有的一对大兔子生了一对小兔子,现在一共有二对了。

第四个月,大兔子又生了一对小兔子,但是第二代的那对小兔子还没成熟,还不能生小兔子,所以总共有三对。

第五个月,第一、二两代的两对兔子各生了一对小兔子,连同四月份原有的三对,现在一共有五对了。

第六个月,在四月份已经有的三对兔子各生一对小兔了,连同五月份原有的五对兔子,现在一共有八对了。

依此类推,每个月份所有的兔子对数应该等于其上一个月所有的兔子对数(也就是原有的兔子对数)及其上上个月所有的兔子对数(这些兔子各生了一对小兔子)的总和。

所以每个月的兔子对数应该是1、1、2、3、5、8、13、21、34、55、89、144、233……

每一项都是前两项之和。因此,一年后笼子里应该有233对兔子

这些兔子的数目我们称之为斐波纳契数字(Fibonacci numbers)。

为方便起见,我们用 Fn表示第 n 代兔子的数目。

我们观察到:

F1=F2=1

而当n≧3时,Fn=Fn-1+Fn-2

最简单,但是时间复杂度最大的解法是递归算法, 算法时间复杂度O(n^2)

long long fibonacciRecursion(unsigned int n ){
    if (0 == n){
        return 0;
    }
    else if (1 == n){
        return 1;
    }
    else{
        return fibonacciRecursion(n - 1) + fibonacciRecursion(n - 2);
    }
}

注意:c和 c++中所有函数的地位平等,都可以调用其他任何函数的同时,被其他任何函数调用。比如,main虽然是程序入口函数,但是main也可以递归,或者被其他函数调用,只不过不经常这样做。

下面分析一下这个递归解斐波那契数列的过程。以 f(10)为例子,想求 f(10),就要求 f(9)和 f(8),同理,求 f(9),先求 f(8)和 f(7)……使用递归树来表示:

发现这是一个双重递归,即每次函数对本身进行了两次调用(不是一次调用一次,而是每次递归对自己调用两次),这样出现了指数变量阶的问题,就是每次递归调用产生的变量集合是指数阶增长的,如递归树所示,很多结点是重复计算的,是浪费的。这样就很容易程序崩溃。这是一个典型极端例子,提醒我们要谨慎使用,结合效率。

改进的办法很自然就是避免重复计算

可以把中间的结果,提前保存起来,以备后用,下次计算的时候直接使用,无需重复计算。使用迭代递推的方法。

//递推的解法,非递归
long long fibonacciRecursion(unsigned int n ){
    //先判断 n=0和1的时候
    if (0 == n){
        return 0;
    }
    else if (1 == n){
        return 1;
    }
    else
    {
        long n0 = 0;
        long n1 = 1;
        long fn = 0;
        for (int i = 2; i <= n; i++){
            fn = n1 + n0;
            n0 = n1;
            n1 = fn;//这是递推的过程
        }

        return fn;
    }
}

算法时间复杂度O(n),很容易理解,也是很实用的解法。在实际开发中,不会使用第一种递归解法,因为效率很低,而第二种方法(也激素迭代),把递归用循环处理,极大的提高了时间效率。比较常用。

一些关于斐波那契的变种

问:一只青蛙一次可以跳上一级台阶,或者一次跳上两级台阶,求该青蛙跳上一个n 级的台阶总共有多少种跳法?

分析;

如果只有一级台阶,那么一共一种跳法,两级台阶,那么一共两种跳法,假设有 n 级台阶,那么把跳法记为 f(n),当 n>2的时候,第一次跳的时候有两种选择,如果第一次只跳一级,此时跳法数为后面剩下的n-1级台阶的跳法数目,也就是为 f(n-1)种,如果第一次跳两级,此时跳法数目为后面剩下的n-2级台阶的跳法数目,也就是 f(n-2),故一共为f(n)=f(n-1)+f(n-2)种,其实就是斐波那契数列。

问:用2x1的小矩形横放或者竖放去覆盖更大的矩形,请问用8个2x1的小矩形无重叠的覆盖一个2x8的大矩形,一共有多少种方法?

把2x8的覆盖方法记为 f(8),第一个1x2的小矩形去覆盖大矩形最左边有两个选择,竖放或者横放,当竖着放的时候,右边还有2x7个小区域,这种情况下的覆盖方法记为 f(7),如果横着放,当1x2的小矩形横着放在左上角的时候,左下角必须也横着放一个1x2的小矩形,而在右边还有2x6的区域,这时的覆盖方法记为 f(6),因此f(8)=f(7)+f(6),这仍然是斐波那契数列。

时间: 2024-11-03 21:43:09

斐波那契数列和反向计算问题的相关文章

Python计算斐波那契数列

利用Python计算第一个达到一百万位数的斐波那契数列各位数之和 结果为4501552 以下是我用到的代码,不是中间需要一些人工操作来加快收敛性,有兴趣读者可以写代码加快收敛 首先执行这个,可以大致确定一百万个数所在斐波那契序列的位置 i=1 j=1 k=i+j count=3 while count<4850000: i=j j=k k=i+j count+=1 result=str(k) print('k长度') k_len=len(result) print(k_len) sum=0 fo

ACdreamOJ 1116 斐波那契数列+hash计算后缀

http://acdream.info/problem?pid=1116 Problem Description give you a string, please output the result of the following function mod 1000000007 n is the length of the string f() is the function of fibonacci, f(0) = 0, f(1) = 1... a[i] is the total numb

用递归法计算斐波那契数列的第n项

   斐波纳契数列(Fibonacci Sequence)又称黄金分割数列,指的是这样一个数列:1.1.2.3.5.8.13.21.--在数学上,斐波纳契数列以如下被以递归的方法定义:F0=0,F1=1,Fn=F(n-1)+F(n-2)(n>=2,n∈N*)在现代物理.准晶体结构.化学等领域,斐波纳契数列都有直接的应用,为此,美国数学会从1960年代起出版了<斐波纳契数列>季刊,专门刊载这方面的研究成果. [Fibonacci.cpp] #include<iostream>#

使用递归,计算斐波那契数列

使用递归,计算斐波那契数列 function fib(num) { if (num > 2) { return fib(num - 2) + fib(num - 1); } else { return 1; } } fib(6) 运行过程 1. return fib(4)+fib(5) 2.return fib(2)+fib(3)+fib(3)+fib(4) 3.return 1+fib(1)+fib(2)+fib(1)+fib(2)+fib(2)+fib(3) 4.return 1+1+1+1

用递归方法计算斐波那契数列(Recursion Fibonacci Python)

先科普一下什么叫斐波那契数列,以下内容摘自百度百科: 斐波那契数列(Fibonacci sequence),又称黄金分割数列.因意大利数学家列昂纳多·斐波那契(Leonardoda Fibonacci)以兔子繁殖为例子而引入,指的是这样一个数列:1.1.2.3.5.8.13.21.34...这个数列从第3项开始,每一项都等于前两项之和. 根据以上定义,用python定义一个函数,用于计算斐波那契数列中第n项的数字是多少: def fib_recur(n): if n==0 or n==1 : r

斐波那契数列计算时间复杂度之彻底分析

#include<stdio.h> #include<time.h> 递归法: 优点:形式简洁,便于人理解 缺点:虽说递归法以空间换时间,但一旦n变大,它的速度的确比非递归法慢得多,例如对n=40,测试递归法所用时间为8~9s;而非递归法只需要远不到1s. 原因是,递归过程中,系统建立堆栈来保存上一层状态信息, 和退栈获取还原系统状态都要有开销的.系统做的事情不少, 所以效率要低. 例如,f(5)的话,实际上会调用这个函数15次,有15个临时栈区,试想f(100)有多吓人...一般

以计算斐波那契数列为例说说动态规划算法(Dynamic Programming Algorithm Overlapping subproblems Optimal substructure Memoization Tabulation)

动态规划(Dynamic Programming)是求解决策过程(decision process)最优化的数学方法.它的名字和动态没有关系,是Richard Bellman为了唬人而取的. 动态规划主要用于解决包含重叠子问题的最优化问题,其基本策略是将原问题分解为相似的子问题,通过求解并保存重复子问题的解,然后逐步合并成为原问题的解.动态规划的关键是用记忆法储存重复问题的答案,避免重复求解,以空间换取时间. 用动态规划解决的经典问题有:最短路径(shortest path),0-1背包问题(K

python 题目:斐波那契数列计算;题目:站队顺序输出;题目:合法括号组合的生成;题目:用户登录(三次机会)

斐波那契数列计算 B 描述 斐波那契数列如下: F(0) = 0, F(1) = 1 F(n) = F(n-1) + F(n-2) 编写一个计算斐波那契数列的函数,采用递归方式,输出不超过n的所有斐波那契数列元素 调用上述函数,完成如下功能: 用户输入一个整数n,输出所有不超过n的斐波那契数列元素.输出数列的元素和及平均数,输出按照顺序,用英文逗号和空格分割 此题目为自动评阅,请严格按照要求规范输入和输出. def jebona(n): if n==0: return 0 elif n == 1

计算斐波那契数列的性能对比:Python,Java,Go

??本文采用递归办法来计算斐波那契数列中的第38项,用于对于三种计算机语言的计算性能,这三种语言为:Python,Java,Go. ??我们采用递归法来求解斐波那契数列的第n项f(n),其算法描述如下: function fib(n) if n = 0 return 0 if n = 1 return 1 return fib(n ? 1) + fib(n ? 2) 对于公平起见,我们利用三种程序计算f(38),运行100遍,得到平均耗时,作为性能对比. ??Python程序如下: # -*-