用动态规划、矩阵快速幂求解斐波那契数列

斐波那契数列（Fibonacci sequence），又称黄金分割数列，因数学家莱昂纳多·斐波那契（Leonardo Fibonacci）以兔子繁殖为例子而引入，故又称“兔子数列”，其数值为：1、1、2、3、5、8、13、21、34……在数学上，这一数列以如下递推的方法定义：

F(0)=1，F(1)=1, F(n)=F(n - 1)+F(n - 2)（n ≥ 2，n ∈ N*）。

本文将介绍 Fibonacci 数列的动态规划与矩阵快速幂解法。 

前置代码 

本文中所用的都是long long，大概在90多会溢出，出现错误。你也可以改成 unsigned long long。

#include 
long long fibonacci(int n)；

int main(int argc, char const *argv[])
{
    int n;
    scanf("%d", &n);
    long long result = fibonacci(n);
    printf("\nresult: %lld\n", result);
    return 0;
}

递归解法

这是思路最简单的方式，直接根据Fibonacci数列的递推定义完成。

 long long fibonacci(int n)
 {
     if(n<=2) return 1;
     long long result = fibonacci(n-1)+fibonacci(n-2);
//     printf("The %2dth :%lld\t", n, result);
     return result;
 }

        但它显然不是好的方法，你可以试着输入 50甚至90，它的运行时间让人无法接受。50的话还能在几十秒后出来结果，90恐怕就停摆了。(从此处开始运行到文章写完，又过了好久还没有结果，不相等了，有兴趣的朋友自己试一试

        这是以 10 为例的运行结果，可以看出它会重复输出一些结果，次序越小计算的次数越多，这些重复的运算严重影响了性能。

        可以看到这个程序形成了高度为 n-1 的二叉树，时间复杂度高达 2^n 级别。

那么如何改进呢？

改进一

        我们很自然地想到，既然这些数据要重复用到，那么为什么不把它记录下来，避免重复计算呢？这就是动态规划的思想。

        此代码使用了数组 dp[n+1]来存储每一步的值，通过一个额外的数组开销来节省时间。只需一次从前往后的计算即可得到结果。将时间复杂度从 2^n 降到了线性，同时空间复杂度也是 O(n).

long long fibonacci(int n)
{
    long long dp[n + 1];
    dp[0] = 0; dp[1] = 1;
    for (int i = 2; i <= n; ++i)
        dp[i] = dp[i - 1] + dp[i - 2];
//    for (int i = 1; i <= n; ++i)
//        printf("The %2dth :%lld\t", i, dp[i]);
    return dp[n];
}

改进二

        进一步思考，例如 f(4) 和 f(5) ，在计算得到 f(6) 和 f(7)之后就用不着了，接下来的计算只需使用f(6) 和 f(7)。同样的，得到 f(8) 和 f(9)后，f(6) 和 f(7) 也用不着了。所以我们不需要记录完整的过程，只需记录上一个和上上个结果即可。这样，时间复杂还是 O(n),而空间复杂度只有O(1)。

long long fibonacci(int n)
{
    long long dp0 = 0, dp1 = 1;
//    if (n == 1)    printf("The  1th :1\t");
    for (int i = 2; i <= n; ++i)
    {
        long long temp = dp0 + dp1;       
//        printf("The %2dth :%lld\t", i, temp);
        dp0 = dp1;
        dp1 = temp;
    }
    return dp1;
}

改进三

        Fibonacci 数列 也可以用矩阵的形势式表述。它的递推公式如下：

        需要的结果被表达成了一个 系数矩阵 右乘  初始向量{0,1}，所以现在的关键是求系数矩阵。这里使用的是矩阵快速幂，它和快速幂的原理相同，只不过底数变成了矩阵，用的是矩阵乘法。

快速幂示例：

• a^15, a^25 用普通乘法需要连乘14、24次。但你也可以如下改写：
• a^15 = a^8 * a^4 * a^2 * a^1.对应着 15 的二进制 1111
• a^25 = a^16 * a^8 * a^1.对应着25的二进制 11001

而 a^16 由 a^8 做一次乘法，a^8 由 a^4 做一次乘法……。至多有 log n 个因子，每个因子只需做一次乘法，再把它们乘起来，这样至多有 log n + log n 次乘法。

    while (n > 0)
    {//快速幂
        if (n & 1)    //n % 2
            ans *= a;
        n >>= 1;      //n /= 2;
        a *= a;
    }

结合代码，以 a^25 为例分析：

• 11001，末位1，需要 a^1，ans *=a 表示取用a^1；右移1位，成1100， a 自乘，接着求 (a^2)^12;
• 1100，末位0，不需要，直接继续右移变成110，a 自乘。接下来求(a^4)^6;
• 110，末位0，不需要，右移成11，a自乘，接着求(a^8)^3;
• 11，末位1，ans*=a，取用a^8；右移成1，接着求(a^16)^1
• 1，末位1，ans*=a，取用a^16。继续右移成0，计算终止。

取用的数字与我们分解的式子对应。矩阵同理。

这样递推地求解无疑节省了运算次数，将复杂度降到了O(logn)级别。

void multiply(long long f[], int a[][2])
{//系数*向量
    long long t0 = f[0] * a[0][0] + f[1] * a[0][1];
    long long t1 = f[0] * a[1][0] + f[1] * a[1][1];
    f[0] = t0;
    f[1] = t1;
}
void power(int m[][2])
{//幂运算
    int i, j, k;
    int tmp[2][2] = {0};
    for (i = 0; i < 2; ++i)
    {
        for (j = 0; j < 2; ++j)
            for (k = 0; k < 2; ++k)
                tmp[i][j] += m[i][k] * m[k][j];
    }
    for (i = 0; i < 2; ++i)
        for (j = 0; j < 2; ++j)
            m[i][j] = tmp[i][j];
}
long long fibonacci(int n)
{
    long long f[2] = {1, 0};
    int matrix[2][2] = {{1, 1}, {1, 0}};
    while (n > 1)
    {//矩阵快速幂
        if (n & 1)    //n % 2
            multiply(f, matrix);
        n >>= 1;      //n /= 2;
        power(matrix);
    }
    multiply(f, matrix);
    return f[1];
}