【快速幂】斐波那契数列
2023-03-14 09:45:14 时间
快速幂运算:
快速幂的目的就是做到快速求幂,假设我们要求a^b,按照朴素算法就是把a连乘b次,这样一来时间复杂度是O(b)也即是O(n)级别,快速幂能做到O(logn),快了好多好多。它的原理如下:
假设我们要求a^b,那么其实b是可以拆成二进制的,该二进制数第i位的权为2^(i-1),例如当b==11时:
a11=a(2^0+2^1+2^3)
11的二进制是1011,11 = 2³×1 + 2²×0 + 2¹×1 + 2º×1,因此,我们将a¹¹转化为算式 a2^0*a2^1*a2^3,也就是a1*a2*a8 ,看出来快的多了吧原来算11次,现在算三次,其中a1 a2 a8的计算方式代码注释里面写着。
代码:
1 public class NExponent { 2 3 public static void main(String[] args) { 4 System.out.println(ex2(2, 3)); 5 } 6 7 public static int ex(int a,int n){ 8 if(n==0)return 1; 9 if(n==1)return a; 10 int temp = a; // a的1次方 11 int res = 1; 12 int exponent = 1; 13 while((exponent<<1)<n){ 14 temp = temp * temp; 15 exponent = exponent << 1; 16 } 17 res *= ex(a,n-exponent); 18 return res * temp; 19 } 20 21 /** 22 * 快速幂 O(lgn) 23 */ 24 public static long ex2(long n,long m){ 25 if(n==0) return 1; 26 long pingFangShu = n; // n 的 1 次方 27 long result = 1; 28 while (m != 0) { 29 // 遇1累乘现在的幂 30 if ((m & 1) == 1) 31 result *= pingFangShu; 32 // 每移位一次,幂累乘方一次 33 pingFangShu = pingFangShu * pingFangShu; 34 // 右移一位 35 m >>= 1; 36 } 37 return result; 38 } 39 }
题目:矩阵快速幂求解斐波那契数列
代码:
1 public class Fib { 2 3 public static void main(String[] args) { 4 for (int i = 1; i < 10; i++) { 5 System.out.print(fib(i)+" "); 6 } 7 } 8 9 // 矩阵运算求解斐波那契数列 10 static long fib(long n){ 11 if (n == 1 || n == 2) return 1; 12 long[][] matrix = { 13 { 0, 1 }, 14 { 1, 1 } 15 }; 16 long[][] res = matrixPower(matrix, n - 1);// 乘方 17 res = matrixMultiply(new long[][] { { 1, 1 } }, res);// 矩阵相乘 18 return res[0][0]; 19 } 20 21 public static long[][] matrixPower(long[][] matrix, long p) { 22 // 初始化结果为单位矩阵,对角线为1 23 long[][] result = new long[matrix.length][matrix[0].length]; 24 // 单位矩阵,相当于整数的1 25 for (int i = 0; i < result.length; i++) { 26 result[i][i] = 1; 27 } 28 29 // 平方数 30 long[][] pingFang = matrix; // 一次方 31 while (p != 0) { 32 if ((p & 1) != 0) { // 当前二进制位最低位为1,将当前平方数乘到结果中 33 result = matrixMultiply(result, pingFang);// 34 } 35 // 平方数继续上翻 36 pingFang = matrixMultiply(pingFang, pingFang); 37 p >>= 1; 38 } 39 return result; 40 } 41 42 /** 43 * 矩阵乘法 矩阵1为n*m矩阵,矩阵2为m*p矩阵 结果为n*p矩阵 44 */ 45 public static long[][] matrixMultiply(long[][] m1, long[][] m2) { 46 final int n = m1.length; 47 final int m = m1[0].length; 48 if (m != m2.length) 49 throw new IllegalArgumentException(); 50 final int p = m2[0].length; 51 52 long[][] result = new long[n][p];// 新矩阵的行数为m1的行数,列数为m2的列数 53 54 for (int i = 0; i < n; i++) {// m1的每一行 55 for (int j = 0; j < p; j++) {// m2的每一列 56 for (int k = 0; k < m; k++) { 57 result[i][j] += m1[i][k] * m2[k][j]; 58 } 59 } 60 } 61 return result; 62 } 63 64 }
结果:
相关文章
- 在 Go 里用 CGO?这 7 个问题你要关注!
- 9款优秀的去中心化通讯软件 Matrix 的客户端
- 求职数据分析,项目经验该怎么写
- 在OKR中,我看到了数据驱动业务的未来
- 火山引擎云原生大数据在金融行业的实践
- OpenHarmony富设备移植指南(二)—从postmarketOS获取移植资源
- 《数据成熟度指数》报告:64%的企业领袖认为大多数员工“不懂数据”
- OpenHarmony 小型系统兼容性测试指南
- 肯睿中国(Cloudera):2023年企业数字战略三大趋势预测
- 适用于 Linux 的十大命令行游戏
- GNOME 截图工具的新旧截图方式
- System76 即将推出的 COSMIC 桌面正在酝酿大变化
- 2GB 内存 8GB 存储即可流畅运行,Windows 11 极致精简版系统 Tiny11 发布
- 迎接 ecode:一个即将推出的具有全新图形用户界面框架的现代、轻量级代码编辑器
- loongarch架构介绍(三)—地址翻译
- Go 语言怎么解决编译器错误“err is shadowed during return”?
- 敏捷:可能被开发人员遗忘的部分
- Denodo预测2023年数据管理和分析的未来
- 利用数据推动可持续发展
- 在 Vue3 中实现 React 原生 Hooks(useState、useEffect),深入理解 React Hooks 的