1. 问题背景与递归的局限性
斐波那契数列的定义是:
F(n)=F(n−1)+F(n−2)
其中,F(0)=0,F(1)=1。
对于求解斐波那契数列的第 n
项,我们最直接的方式是用递归来表达:
java
public static int fibonacciRecursive(int n) {
if (n == 0) return 0;
if (n == 1) return 1;
return fibonacciRecursive(n - 1) + fibonacciRecursive(n - 2);
}
虽然递归看起来简单优雅,但这种方式的效率非常低。每次计算时,会重复地计算同样的子问题。比如在计算 F(5)
时,会多次计算 F(3)
和 F(2)
。这导致了时间复杂度为 O(2^n)
,增长极快,适用于较小的 n
值,但当 n
较大时,计算变得非常慢。
2. 动态规划的思想
动态规划的核心思想是避免重复计算,通过记忆化 (Memoization)或自底向上(Bottom-Up)的方式来解决问题。斐波那契数列的问题可以被分解为很多子问题,而这些子问题之间有重叠。动态规划通过保存子问题的解,避免了重复计算。
动态规划的两个特点:
- 重叠子问题:大问题可以分解成若干小问题,而小问题的解会被多次使用。
- 最优子结构:一个问题的最优解可以由其子问题的最优解构成。
斐波那契数列具备这两个特性,因此可以通过动态规划来高效求解。
3. Java代码实现动态规划求解斐波那契数列
我们来看使用动态规划的实现:
java
public class FibonacciDP {
public static void main(String[] args) {
int n = 10; // 求第n个斐波那契数
System.out.println("Fibonacci number at position " + n + " is: " + fibonacci(n));
}
public static int fibonacci(int n) {
// 边界条件处理
if (n == 0) {
return 0; // F(0) = 0
}
if (n == 1) {
return 1; // F(1) = 1
}
// 动态规划数组,用于存储中间结果
int[] dp = new int[n + 1];
dp[0] = 0; // F(0)
dp[1] = 1; // F(1)
// 自底向上计算斐波那契数列的值
for (int i = 2; i <= n; i++) {
dp[i] = dp[i - 1] + dp[i - 2]; // 当前项由前两项之和得出
}
return dp[n]; // 返回第n个斐波那契数
}
}
4. 详细解释每个部分
4.1 边界情况处理
斐波那契数列有两个特殊情况:
- 当
n = 0
时,返回0
。 - 当
n = 1
时,返回1
。
这两个条件在代码中通过以下部分处理:
java
if (n == 0) {
return 0;
}
if (n == 1) {
return 1;
}
这确保了程序能够正确处理最小的输入值。
4.2 动态规划数组
为了避免递归中的重复计算,我们引入一个数组 dp[]
来保存每一步计算的结果。数组的大小为 n+1
,即它包含了从 F(0)
到 F(n)
的所有结果。初始化数组中的前两个值:
java
int[] dp = new int[n + 1];
dp[0] = 0; // F(0)
dp[1] = 1; // F(1)
这里的 dp[0]
和 dp[1]
对应斐波那契数列的前两项。
4.3 填充动态规划数组
接下来,通过一个 for
循环,从第3项(i=2
)开始,依次计算每一个斐波那契数,并将结果存储到数组中。
java
for (int i = 2; i <= n; i++) {
dp[i] = dp[i - 1] + dp[i - 2]; // 递推公式 F(i) = F(i-1) + F(i-2)
}
这个循环的逻辑很简单:根据斐波那契数列的定义,第 i
项等于前两项之和,因此 dp[i] = dp[i - 1] + dp[i - 2]
。
4.4 返回结果
当循环结束后,数组 dp[n]
已经存储了第 n
个斐波那契数的值,我们只需将其返回:
java
return dp[n];
5. 时间复杂度与空间复杂度
时间复杂度 : 整个过程我们只遍历了一次 dp[]
数组,从 i=2
到 i=n
,因此时间复杂度为 O(n)
,相比递归的 O(2^n)
,大大提升了效率。
空间复杂度 : 由于我们使用了一个长度为 n+1
的数组,因此空间复杂度为 O(n)
。
6. 空间优化
虽然上面的解法已经非常高效,但还可以进一步优化空间复杂度 。实际上,我们每次只需要用到前两项的值,因此可以不用数组,而是使用两个变量来代替 dp[]
数组。优化后的代码如下:
java
public static int fibonacciOptimized(int n) {
if (n == 0) return 0;
if (n == 1) return 1;
int prev2 = 0; // F(0)
int prev1 = 1; // F(1)
int current = 0;
for (int i = 2; i <= n; i++) {
current = prev1 + prev2; // F(i) = F(i-1) + F(i-2)
prev2 = prev1; // 更新 F(i-2)
prev1 = current; // 更新 F(i-1)
}
return current; // 返回第n个斐波那契数
}
在这个版本中,我们只使用了三个变量来保存前两项的值以及当前项,从而将空间复杂度优化到了 O(1)。
总结
- 动态规划的关键是避免重复计算,通过保存子问题的结果提升效率。
- 斐波那契数列的求解可以从递归 优化为动态规划 ,从而将时间复杂度从
O(2^n)
降到O(n)
。 - 可以进一步优化空间复杂度,将
O(n)
降到O(1)
,使用两个变量代替数组存储中间结果。