我正在学习动态规划在斐波那契数列中的应用并有一个问题。以下是引用代码:
import java.math.BigInteger;
import java.util.Arrays;
public class FibonacciNumbersB {
static BigInteger[] dp = new BigInteger[10000];
public static void main(String[] args) {
Arrays.fill(dp, BigInteger.ZERO);
dp[0] = BigInteger.ONE;
dp[1] = BigInteger.ONE;
for(int i = 4; i < 9999; i++)
System.out.println(fibRecurse(i).toString());
}
public static BigInteger fibRecurse(int N) {
for(int i = 2; i < N; i++) {
// For numerous calls to this function, this will save as it goes
if(dp[i].equals(BigInteger.ZERO))
dp[i] = dp[i - 1].add(dp[i - 2]);
}
return dp[N - 1];
}
}
我在 fibRecurse
方法中有一个语句检查 dp[i]
是否等于 0
(尽管 fibRecurse
不是递归的)。
检查 dp[i]
是否已被计算或让 dp[i]
等于前两个元素的总和是否更有效?
最佳答案
我更喜欢 Map<Integer, BigInteger>
在使用固定 BigInteger[]
在执行此内存时。请注意,您当前的方法不是递归。 Map
可以像这样声明和初始化
static Map<Integer, BigInteger> memo = new HashMap<>();
static {
memo.put(0, BigInteger.ONE);
memo.put(1, BigInteger.ONE);
}
然后检查当前n
是否存在于 memo
中(如果是,则返回)-否则,计算机并存储它。喜欢,
public static BigInteger fibRecurse(int n) {
if (memo.containsKey(n)) {
return memo.get(n);
}
BigInteger v = fibRecurse(n - 1).add(fibRecurse(n - 2));
memo.put(n, v);
return v;
}
没有内存 的版本会简单地省略 memo
喜欢
public static BigInteger fibRecurseSlow(int n) {
if (n == 0 || n == 1) return BigInteger.ONE;
BigInteger v = fibRecurse(n - 1).add(fibRecurse(n - 2));
return v;
}
我认为您可以从我选择的方法名称中推断哪个速度较慢。
关于java - 动态规划斐波那契数列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43443562/