还在用递归实现斐波那契数列，面试官一定会鄙视你到死

       斐波那契数列指的是这样一个数列 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233，377，610，987，1597，2584，4181，6765，10946，17711，28657，46368......

       我记得在初学C语言的时候，大学老师经常会讲一些常见的数学问题及递归的使用，其中斐波那契数列就是一定会被拿出来举例的。在后来工作中，面试做面试题的时候，也很大概率会出现编写算法实现斐波那契额数列求值。可以说，在我们编程道路上，编写算法实现斐波那契数列是每个程序员必定会做的一件事。昨天去参加腾讯课堂举办的一个线下活动，活动中有一位嘉宾，是某课堂的创始人，也是算法课程的讲师，就讲到了这个问题，算是颠覆了我对该问题的认知。本文就根据这名讲师的讲解，来分析和整理一下该问题算法的实现。

       下面，我们来看看其中几种常见的算法，并分析其效率。

  1、递归法

       通过观察，我们会发现其中的规律，第一项和第二项的值均为1，后面每项的值都是前两项值之和，所以我们很多人基本上都会使用递归来实现，常见的算法如下：

public int fib(int n) {
    if (n == 1 || n == 2) {
        return 1;
    }
    return fib(n - 2) + fib(n - 1);
}

这段代码看起来非常的简洁和优雅，我想我们绝大多数的人平时也都是这么写的吧，在此之前笔者就一直都是这么写的，而且在我的知识储备中也就只知道有这样一种算法。

        实际上，当n还比较小的时候，用递归法来实现是没有什么问题的，但是当n稍微大一点的时候，比如n=45的时候，我们通过如下测试代码来看看它的执行结果：

MyClass myClass = new MyClass();
long t1 = System.currentTimeMillis();
int n = 45;
int result = myClass.fib(n);
long t2 = System.currentTimeMillis();
System.out.println("n=" + n + ";result=" + result + ";time=" + (t2 - t1));

得到结果为：

n=45;result=1134903170;time=2881

我们发现执行这段代码，花费的时间是2881ms。如果值再大一点，如n=48：

n=48;result=512559680;time=11746

时间达到了11s以上了！如果n再稍微大一点，所消耗的时间是成指数级增长的，比如n=64的时候，所消耗的时间可能是两三百年！不信的话，读者可以试试！

       这样看来，就非常可怕了，我们一直认为毫无问题的看起来既简洁又优雅的算法，居然是这么耗时的，这简直就是一段垃圾代码。

       我们用一张图来简单分析一下该算法的执行过程，以n=6为例：

       我们会发现f(n)这个方法被调用了很多次，而且其中重复率非常之高，也就是说被重复计算了很多次，如果n稍微大一点这棵树会非常庞大。这里我们可以看出，每个节点就需要计算一次，总计算的次数就是该二叉树节点的数量，可见其时间复杂度为O(2ⁿ)，是指数级的，其空间复杂度也就是该二叉树的高度，为O(n)。这样来看，我们应该就清楚了，为什么这段代码效率如此低下了吧。 

  2、数组保存法（该名称是自己命令的）

       为了避免无数次重复，可以从n=1开始往上计算，并把每一个计算出来的数据，用一个数组保存，需要最终值时直接从数组中取即可，算法如下：

public int fib(int n) {
    int[] fib = new int[n];
    fib[0] = 1;
    fib[1] = 1;
    for (int i = 2; i < n; i++) {
        fib[i] = fib[i - 2] + fib[i - 1];
    }
    return fib[n - 1];
}

我们也分别取n=45和n=48来看看执行结果

n=45;result=1134903170;time=0

n=48;result=512559680;time=0

消耗的时间都是0（我这里获取的时间是精确到ms级别的，前后的时间差在1ms以下，所以这里计算出来的结果为0，实际耗时不可能为0，后续不赘述），可见执行效率提高了很多。这种算法主要有一个for循环，其时间复杂度为O(n)，期间需要开辟一个长度为n的数组，所以空间复杂度也为O(n)，这就在上述算法的基础上极大地提升了效率。

  3、变量保存法（也是自己命名的）

       尽管上述算法已经很高效了，但我们还是会发现一个问题，其实整个数组中，每次计算时都只需要最新的3个值，前面的值计算完后就不再需要了。比如，计算到第10次时，需要的数组空间只有第8和第9两个空间，前面第1到第7个空间其实就不再需要了。所以我们还可以改进，通过3个变量来存储数据，算法如下：

public int fib(int n) {
    int first = 1;
    int second = 1;
    int third = 2;
    for (int i = 3; i <= n; i++) {
        third = first + second;
        first = second;
        second = third;
    }
    return third;
}

时间复杂度仍然为O(n)，而空间复杂度为常量级别3，即空间复杂度为0，所以这种方法是非常高效的。

  4、公式法

       实际上，求斐波那契数列值有一个公式：

可以通过该公式来实现算法：

public int fib(int n) {
    double c = Math.sqrt(5);
    return (int) ((Math.pow((1 + c) / 2, n) - Math.pow((1 - c) / 2, n)) / c);
}

其时间复杂度和空间复杂度就取决于JDK中这些数学公式的实现了，执行效率也是非常高的：

n=48;result=512559680;time=0

       通过上面的分析，我们在写算法实现斐波那契数列时，可以根据实际情况选择第3种和第4种。

       如果读者发现本文有描述不正确或者不妥的地方，请不吝赐教，非常感谢！