python斐波那契数列递归算法的时间复杂度推导_Fibonacci 斐波那契数列的几种写法、时间复杂度对比...

拼搏现实的明天。 2022-10-28 00:51 30阅读 0赞

作者：刘志军，6年+Python使用经验， 高级开发工程师，目前在互联网医疗行业从事Web系统构架工作

个人公众号：Python之禅(微信ID：vttalk)

![122646193\_2\_20180122102907565][122646193_2_20180122102907565]

单身汪节早已被商家重新定义，除了买买买还可以做点什么？我看在家修炼编程技术是不错的选择，「用Python实现斐波那契数列」是我们在知识星球中每周给大家安排的一道题，你也可以先思考一下有哪些实现方法，说不定哪天面试就能派上用场，终有一日当上CTO赢取白富美从此走上人生巅峰。

斐波那契数列(Fibonacci)最早由印度数学家Gopala提出，第一个真正研究斐波那契数列的是意大利数学家 Leonardo Fibonacci，斐波那契数列的定义很简单，用数学函数可表示为：

数列从0和1开始，之后的数由前两个数相加而得出，例如斐波那契数列的前10个数是：0, 1, 1, 2, 3, 5, 8, 13, 21, 34。

用 Python 实现斐波那契数列常见的写法有三种，各算法的执行效率也有很大差别，在面试中也会偶尔会被问到，通常面试的时候不是让你简单的用递归写写就完了，还会问你时间复杂度怎样，空间复杂度怎样，有没有可改进的地方。

递归法

所谓递归就是指函数的定义中使用了函数自身的方法

def fib\_recur(n):

assert n >= 0

if n in (0, 1):

return n

return fib\_recur(n - 1) + fib\_recur(n - 2)

for i in range(20):

print(fib\_recur(i), end=' ')

>>>0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 1597 2584 4181

递归是一种写法最简洁的方法，但它是效率非常低，因为会出现大量的重复计算，时间复杂度是：O(1.618 ^ n)，1.618 是黄金分割点。同时受限于 Python 中递归的最大深度是 1000，所以用递归来求解并不是一种可取的办法。

递推法

递推法就是从0和1开始，前两项相加逐个求出第3、第4个数，直到求出第n个数的值

def fib\_loop(n):

a, b = 0, 1

for i in range(n):

a, b = b, a + b

return a

for i in range(20):

print(fib\_loop(i), end=' ')

>>>0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 1597 2584 4181

这种算法的时间复杂是O(n)，呈线性增长，如果数据量巨大，速度越到后面会越慢。

上面两种方式都是使用分而治之的思想，把一个大的问题化小，然后利用小问题的求解得到目标问题的答案。

矩阵法

《线性代数》是大学计算机专业的一门课程，教的就是矩阵，那时候觉得这东西学起来很枯燥，没什么用处，工作后你才发现搞机器学习、数据分析、数据建模时大有用处，书到用时方恨少。其实矩阵的本质就是线性方程式。

斐波那契数列中两个相邻的项分别为：F(n) 和 F(n - 1)，如果把这两个数当作一个2行1列的矩阵可表示为：

因为 F(n) = F(n-1)+F(n-2)，所以就有：

通过反推，其实它是由两个矩阵的乘积得来的

![122646193\_6\_20180122102907909][122646193_6_20180122102907909]

依此类推：

![122646193\_7\_2018012210290865][122646193_7_2018012210290865]

最后可推出：

![122646193\_8\_20180122102908159][122646193_8_20180122102908159]

因此想要求出F(n)的值，只要能求出右边矩阵的n-1次方的值，最后求得两矩阵乘积，取新矩阵的第一行的第一列的值即可，比如n=3时，

![122646193\_9\_20180122102908221][122646193_9_20180122102908221]

可以得知F(3)的值2，F(2)的值为1，因为幂运算可以使用二分加速，所以矩阵法的时间复杂度为 O(log n)

我们可以用科学计算包 numpy 来实现矩阵法：

import numpy

def fib\_matr(n):

return (numpy.matrix(\[\[1, 1\], \[1, 0\]\]) \*\* (n - 1) \* numpy.matrix(\[\[1\], \[0\]\]))\[0, 0\]

for i in range(20):

print(int(fib\_matr(i)), end=' ')

>>>0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 1597 2584 4181

3中不同的算法效率对比：

![122646193\_10\_20180122102908362][122646193_10_20180122102908362]

从上面图可以看出递归法效率惊人的低，矩阵法在数据量比较大的时候才突显出它的优势，递推法随着数据的变大，所花的时间也越来越大。

![122646193\_11\_20180122102908581][122646193_11_20180122102908581]

Python爱好者社区历史文章大合集：

[122646193_2_20180122102907565]: http://image109.360doc.com/DownloadImg/2018/01/2222/122646193_2_20180122102907565
[122646193_6_20180122102907909]: http://image109.360doc.com/DownloadImg/2018/01/2222/122646193_6_20180122102907909
[122646193_7_2018012210290865]: http://image109.360doc.com/DownloadImg/2018/01/2222/122646193_7_2018012210290865
[122646193_8_20180122102908159]: http://image109.360doc.com/DownloadImg/2018/01/2222/122646193_8_20180122102908159
[122646193_9_20180122102908221]: http://image109.360doc.com/DownloadImg/2018/01/2222/122646193_9_20180122102908221
[122646193_10_20180122102908362]: http://image109.360doc.com/DownloadImg/2018/01/2222/122646193_10_20180122102908362
[122646193_11_20180122102908581]: http://image109.360doc.com/DownloadImg/2018/01/2222/122646193_11_20180122102908581