Fibonacci Sequence 维基百科

\(F(n) = F(n-1)+F(n-2)\)，其中 \(F(0)=0, F(1)=1\)，即该数列由 0 和 1 开始，之后的数字由相邻的前两项相加而得出。

递归

def fibonacci(n):
    assert n >= 0, 'invalid n'
    if n < 2: return n
    return fibonacci(n - 1) + fibonacci(n -2)

递归方法的时间复杂度为高度为 \(n-1\) 的不完全二叉树的节点数，所以近似为 \(O(2^n)\)

数学求解方法：

\(T(n) = T(n-1) + T(n-2) \qquad (n>1)\)

设 \(f(n)\) 为参数为 n 时的时间复杂度 \(f(n) = f(n-1) + f(n-2)\)

转化为求二阶常系数齐次差分方程，设通解为 \(f_{n} = C_{1}f_{n-1} + C_{2}f_{n-2}\)

设有特解 \(f_{n} = \lambda\)，\(\lambda\) 为非零待定常数，将 \(\lambda\) 代入方程，易得特征方程 \(\lambda ^{2} = \lambda + 1\)，则 \(λ = \frac{1\pm \sqrt{5}}{2}\)

再根据 \(f(0) = 0, f(1) = 1.\) 求出 \(C_{1}\) 和 \(C_{2}\)

得出通项公式

\[
f(n) = \frac{1}{\sqrt{5}}[(\frac{1+ \sqrt{5}}{2})^{n} - (\frac{1- \sqrt{5}}{2})^{n}]
\]

当 \(n->\infty\) 时， \(\left |(\frac{1- \sqrt{5}}{2})^{n} \right |<1\)，所以趋于零。

时间复杂度为 \(O((\frac{1+ \sqrt{5}}{2})^{n})\) ，约等于 \(O(1.618^{n})\) ，即指数级复杂度 \(O(2^n)\)，递归算法空间复杂度取决于递归的深度，显然为 \(O(n)\)。

迭代

def fibonacci(n):
    assert n >= 0, 'invalid n'
    if n == 0: return 0
    a, b = 0, 1
    for _ in range(n - 1):
        a, b = b, a+b
    return b

时间复杂度 \(O(n)\)，空间复杂度 \(O(1)\)

矩阵

\(F(n)\) 和 \(F(n - 1)\) 写成一个 2 x 1 的矩阵，然后对其进行变形。

\(\begin{bmatrix}F_{n}\\F_{n-1}\end{bmatrix}=\begin{bmatrix}F_{n-1}+F_{n-2}\\F_{n-1}\end{bmatrix}=\begin{bmatrix}1\times F_{n-1}+1\times F_{n-2}\\1\times F_{n-1}+0\times F_{n-2}\end{bmatrix}=\begin{bmatrix}1 & 1\\ 1 & 0\end{bmatrix}\times\begin{bmatrix}F_{n-1}\\F_{n-2}\end{bmatrix}=...=\begin{bmatrix}1&1\\1&0\end{bmatrix}^{n-1}\times\begin{bmatrix}F_{1}\\F_{0}\end{bmatrix}=\begin{bmatrix}1&1\\1&0\end{bmatrix}^{n-1}\times\begin{bmatrix}1\\0\end{bmatrix}\)

因此要求 \(F_{n}\)，只要对这个二阶方阵求 \(n - 1\) 次方，最后取结果方阵第一行第一列的数字就可以了。

等式中的矩阵 \(\begin{bmatrix}1&1\\1&0\end{bmatrix}\) 被称为斐波那契数列的 Q- 矩阵。

通过 Q- 矩阵，我们可以利用如下公式进行计算：

\(F_{n} = Q^{n-1}_{1,1}\)

如此一来，计算斐波那契数列的问题就转化为了求 \(Q^{n-1}\) 的问题。

\[
A^{n} = \begin{cases} A\cdot (A^{2})^{\frac{n-1}{2}}, & \text{if $n$ is odd} \\\ (A^{2})^{\frac{n}{2}}, & \text{if $n$ is even} \\ \end{cases}
\]

可见时间复杂度满足 \(T(n) = T(n / 2) + O(1)\)
由 Master 定理 可得

时间复杂度 \(O( \log n)\) ，空间复杂度显然为 \(O(1)\)

from numpy import matrix

def MatrixPower(mat, n):
    assert n > 0, 'invalid n'
    res = None
    temp = mat
    while True:
      if n & 1:
        if res is None: res = temp
        else: res = res * temp
      n >>= 1
      if n == 0: break
      temp = temp * temp
    return res

def fibonacci(n):
    assert n >= 0, 'invalid n'
    if n < 2: return n  # F(0) = 0, F(1) = 1
    mat = matrix([[1, 1], [1, 0]], dtype=object)
    mat = MatrixPower(mat, n - 1)
    return mat[0, 0]

通项公式法

def fibonacci(n):
    root_Five = 5**0.5
    result = (((1 + root_Five) / 2)**n - ((1 - root_Five) / 2)**n) / root_Five
    return int(result)

显然，该方法的时空复杂度均为 \(O(1)\) ， 但使用公式计算的方法由于有大量的浮点运算,在 n 增大时浮点误差不断增大会导致返回结果不正确甚至数据溢出。

原文地址：https://www.cnblogs.com/yexuesong/p/12321448.html