递归式斐波那契与循环式斐波那契之间有明显的计算时间差吗?我使用递归将Fibonacci一直运行到40个地方,然后再直接使用循环。看来计算时间差只是academic。
用C语言编写
递归解决方案:
int main(int argc, const char * argv[]) {
int n, i = 0, c;
printf("Please enter an integer:\n");
scanf("%d", &n);
for ( c = 1 ; c <= n ; c++ )
{
printf("%lu ", fibonacci(i));
i++;
}
return 0;
}
long fibonacci(long n)
{
if ( n == 0 )
return 0;
else if ( n == 1 )
return 1;
else
return ( fibonacci(n-1) + fibonacci(n-2) );
};
循环解决方案:
int main(int argc, const char * argv[]) {
int n, first = 0, second = 1, next, c;
printf("Please enter an integer:\n");
scanf("%d", &n);
for ( c = 0 ; c < n ; c++ )
{
if ( c <= 1 )
next = c;
else
{
next = first + second;
first = second;
second = next;
}
printf("%d ",next);
}
return 0;
};
与尾部递归和迭代版本相比,常规递归方法非常慢。在下面的迭代版本示例代码中,使用展开的循环以及Duff's Device进入循环。对于32位无符号整数,限制为fib(47),对于64位无符号整数,限制为fib(93)。
使用Intel 2600K 3.4ghz,XP X64、64位模式进行计时。 XP或XP X64高性能计数器频率与CPU时钟相同,为3.4GHz,但是如果持续时间较小,则操作系统开销(如中断)会影响时序。
fib(40)的时间:
fibr() # of microseconds 485468.8
fibt() # of microseconds 0.2
fibi() # of microseconds 0.2
为94个循环计时,n = 0至93:
fibt() # of microseconds 7
fibi() # of microseconds 5
示例代码:
typedef unsigned long long UI64;
UI64 fibr(UI64 n)
{
if(n < 2)
return n;
return fibr(n-1) + fibr(n-2);
}
// call with fibt(n, 0, 1)
UI64 fibt(UI64 n, UI64 res, UI64 next)
{
if (n == 0)
return res;
return fibt(n - 1, next, res + next);
}
UI64 fibi(UI64 n)
{
UI64 f0, f1, i;
if(n < 2)
return n;
n -= 2;
f1 = f0 = 1;
i = 0;
switch(n%8){
do{
f1 += f0;
case 7:
f0 += f1;
case 6:
f1 += f0;
case 5:
f0 += f1;
case 4:
f1 += f0;
case 3:
f0 += f1;
case 2:
f1 += f0;
case 1:
f0 += f1;
case 0:
continue;
}while(n >= (i += 8));
}
return f0;
}
fibi()的替代版本,不进行n <2的检查。 f0和f1代表循环内的变化,最终以f0的最终和结束,因此f0和f1代表的初始状态取决于n是偶数还是奇数。如果n为偶数,则f0 = fib(0)= 0,f1 = fib(-1)= 1,如果n为奇数,则f1 = fib(0)= 0,f0 = fib(-1)= 1。 (如果您好奇,fib(-1)= 1,fib(-2)= -1,fib(-3)= 2,fib(-4)= -3,fib(-5)= 5, fib(-6)= -8,...)。
要在这里解释逻辑,对于n个偶数情况,fib(-1)= f1 = 1,fib(0)= f0 = 0,然后fib(1)=(f1 + = f0),fib(2) =(f0 + = f1),fib(3)=(f1 + = f0),fib(4)=(f0 + = f1),...。
UI64 fibi(UI64 n)
{
UI64 f0, f1, i;
f0 = n & 1; // if n even, f0=0, f1=1
f1 = 1 - f0; // else f1=0, f0=1
i = 0;
switch(n%8){
do{
f1 += f0;
case 7:
f0 += f1;
case 6:
f1 += f0;
case 5:
f0 += f1;
case 4:
f1 += f0;
case 3:
f0 += f1;
case 2:
f1 += f0;
case 1:
f0 += f1;
case 0:
continue;
}while(n >= (i += 8));
}
return f0;
}
for循环不一定更快。在像Java,C和Python这样的通用语言中,与迭代相比,递归是相当昂贵的,因为它需要分配新的堆栈框架。
可以消除C / C ++中的这种开销,从而使编译器优化能够执行尾部递归,该尾部递归将某些类型的递归(实际上是某些类型的尾部调用)转换为跳转而不是函数调用。为了让编译器执行此优化,必须在调用函数之前做的最后一件事是调用另一个函数(在本例中为自身)。
斐波那契函数的示例可能是这样的:
int fib_tail(int n, int res, int next)
{
if (n == 0) {
return res;
}
return fib_tail(n - 1, next, res + next);
}
并且在汇编级别,启用编译器优化,它将作为循环实现,例如在调用之间共享相同的堆栈框架。
我最近为此写了article。
希望有帮助。
For-loop解决方案更快。原因:
n
次使用n
加法(循环迭代n
次),而递归解决方案对每个函数调用使用一个加法,该加法等于O(1.6
n
)
次调用,因此O(1.6
[C0 ] n
添加。代价来自两次递归调用-当递归函数要求第)
个元素时,它不得不从头开始再次计算第O(1.6
个元素和第n
个元素,它不记得了。您如何测量速度差?
也许下面的方法会花费更少的时间?您可以编写代码来生成斐波那契数列,从而避免if-else语句显示零和一,并避免在循环外打印它们。您可以通过用-1和1初始化'first'和'second'变量来做到这一点,因此它们之间的总和将为0,这是该系列的第一个器官,而循环将完成其余的工作。