对比Fibonacci两种算法效率

看数据结构看到Fibonacci,而且说如果用递归的方法来实现的话会很低效,尤其是Index比较大的情况下,遂决定试一下。

代码和输出在下面,观察输出,Index为50的时候,递归时间就已经好久了,再大一点我等不及了。调用次数也是指数级的上升,而与之对比的是,迭代的调用次数和时间始终在一个可控的范围内。有趣的是观察Recurse的调用次数也形成了一个Fibonacci序列的变体,F(N)=F(N-1)+F(N-2)+N-1。


造成递归调用如此低效的原因在于求解F(N)的时候需要算一遍F(N-1)和F(N-2),求解F(N-1)的时候需要算一遍F(N-2)和F(N-3),可以看出F(N-2)在求解相邻的两个值的时候被算了两遍,如此不断垒乘下去,会造成很大的浪费,这也违背了递归调用的第四条原则:“

Compound interest rule

Never duplicate work by solving the same instance of a problem in separate recursive calls.

</pre><p><pre name="code" class="cpp">//============================================================================
// Name        : myAlgorithm.cpp
// Author      : 
// Version     :
// Copyright   : Your copyright notice
// Description : Hello World in C++, Ansi-style
//============================================================================

#include <iostream>
using namespace std;

#include <time.h>

long iRecurseCalledTimes=0;
long iIterationCalledTimes=0;

long funcRecurse(long n)
{
	iRecurseCalledTimes++;
	if(2==n||1==n)
		return 1;
	else
		return funcRecurse(n-1)+funcRecurse(n-2);
}

long funcIteration(long n)
{
	iIterationCalledTimes++;
	long i0=0,i1=1,result=1;
	if(2==n||1==n)
		return 1;
	else
	for(long i=2;i!=n+1;i++)
	{
		result=i0+i1;
		i0=i1;
		i1=result;
	}
	return result;
}

int main() {
	cout << "!!!Hello World!!!" << endl; // prints !!!Hello World!!!

	unsigned long iTestMax=0;
	cin>>iTestMax;
	clock_t start, finish;
	double  duration[2];
	long lRtn[2];

	cout<<"Index\tR-Time\tI-Time\tR-Calls\tI-Calls\tR-Rtn\tI-Rtn\t"<<endl;
	for(long i=1;i!=iTestMax+1;++i)
	{
		start = clock();
		lRtn[0]=funcRecurse(i);
		finish = clock();
		duration[0] = (double)(finish - start) / CLOCKS_PER_SEC;

		start = clock();
		lRtn[1]=funcIteration(i);
		finish = clock();
		duration[1] = (double)(finish - start) / CLOCKS_PER_SEC;
		cout << i << "\t"<< duration[0] << "\t" << duration[1] << "\t" << iRecurseCalledTimes << "\t" << iIterationCalledTimes << "\t" << lRtn[0] <<"\t" << lRtn[1] <<endl;
	}
	return 0;
}


Console Output:


!!!Hello World!!!
50
Index	R-Time	I-Time	R-Calls	I-Calls	R-Rtn	I-Rtn	
1	0	0	1	1	1	1
2	0	0	2	2	1	1
3	0	0	5	3	2	2
4	0	0	10	4	3	3
5	0	0	19	5	5	5
6	0	0	34	6	8	8
7	0	0	59	7	13	13
8	0	0	100	8	21	21
9	0	0	167	9	34	34
10	0	0	276	10	55	55
11	0	0	453	11	89	89
12	0	0	740	12	144	144
13	0	0	1205	13	233	233
14	0	0	1958	14	377	377
15	0	0	3177	15	610	610
16	0	0	5150	16	987	987
17	0	0	8343	17	1597	1597
18	0	0	13510	18	2584	2584
19	0	0	21871	19	4181	4181
20	0	0	35400	20	6765	6765
21	0	0	57291	21	10946	10946
22	0	0	92712	22	17711	17711
23	0	0	150025	23	28657	28657
24	0	0	242760	24	46368	46368
25	0	0	392809	25	75025	75025
26	0	0	635594	26	121393	121393
27	0	0	1028429	27	196418	196418
28	0	0	1664050	28	317811	317811
29	0	0	2692507	29	514229	514229
30	0.01	0	4356586	30	832040	832040
31	0.01	0	7049123	31	1346269	1346269
32	0.01	0	11405740	32	2178309	2178309
33	0.03	0	18454895	33	3524578	3524578
34	0.04	0	29860668	34	5702887	5702887
35	0.06	0	48315597	35	9227465	9227465
36	0.1	0	78176300	36	14930352	14930352
37	0.17	0	126491933	37	24157817	24157817
38	0.26	0	204668270	38	39088169	39088169
39	0.44	0	331160241	39	63245986	63245986
40	0.71	0	535828550	40	102334155	102334155
41	1.14	0	866988831	41	165580141	165580141
42	1.89	0	1402817422	42	267914296	267914296
43	2.97	0	2269806295	43	433494437	433494437
44	4.79	0	3672623760	44	701408733	701408733
45	7.78	0	5942430099	45	1134903170	1134903170
46	12.66	0	9615053904	46	1836311903	1836311903
47	20.61	0	15557484049	47	2971215073	2971215073
48	33.24	0	25172538000	48	4807526976	4807526976
49	53.99	0	40730022097	49	7778742049	7778742049
50	88.66	0	65902560146	50	12586269025	12586269025


基于实时迭代的数值鲁棒NMPC双模稳定预测模型(Matlab代码实现)内容概要:本文介绍了基于实时迭代的数值鲁棒非线性模型预测控制(NMPC)双模稳定预测模型的研究与Matlab代码实现,重点在于通过数值方法提升NMPC在动态系统中的鲁棒性与稳定性。文中结合实时迭代机制,构建了能够应对系统不确定性与外部扰动的双模预测控制框架,并利用Matlab进行仿真验证,展示了该模型在复杂非线性系统控制中的有效性与实用性。同时,文档列举了大量相关的科研方向与技术应用案例,涵盖优化调度、路径规划、电力系统管理、信号处理等多个领域,体现了该方法的广泛适用性。; 适合人群:具备一定控制理论基础和Matlab编程能力,从事自动化、电气工程、智能制造等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于解决非线性动态系统的实时控制问题,如机器人控制、无人机路径跟踪、微电网能量管理等;②帮助科研人员复现论文算法,开展NMPC相关创新研究;③为复杂系统提供高精度、强鲁棒性的预测控制解决方案。; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,重点关注NMPC的实时迭代机制与双模稳定设计原理,并参考文档中列出的相关案例拓展应用场景,同时可借助网盘资源获取完整代码与数据支持。
UWB-IMU、UWB定位对比研究(Matlab代码实现)内容概要:本文介绍了名为《UWB-IMU、UWB定位对比研究(Matlab代码实现)》的技术文档,重点围绕超宽带(UWB)与惯性测量单元(IMU)融合定位技术展开,通过Matlab代码实现对两种定位方式的性能进行对比分析。文中详细阐述了UWB单独定位与UWB-IMU融合定位的原理、算法设计及仿真实现过程,利用多传感器数据融合策略提升定位精度与稳定性,尤其在复杂环境中减少信号遮挡和漂移误差的影响。研究内容包括系统建模、数据预处理、滤波算法(如扩展卡尔曼滤波EKF)的应用以及定位结果的可视化与误差分析。; 适合人群:具备一定信号处理、导航定位或传感器融合基础知识的研究生、科研人员及从事物联网、无人驾驶、机器人等领域的工程技术人员。; 使用场景及目标:①用于高精度室内定位系统的设计与优化,如智能仓储、无人机导航、工业巡检等;②帮助理解多源传感器融合的基本原理与实现方法,掌握UWB与IMU互补优势的技术路径;③为相关科研项目或毕业设计提供可复现的Matlab代码参考与实验验证平台。; 阅读建议:建议读者结合Matlab代码逐段理解算法实现细节,重点关注数据融合策略与滤波算法部分,同时可通过修改参数或引入实际采集数据进行扩展实验,以加深对定位系统性能影响因素的理解。
本系统基于MATLAB平台开发,适用于2014a、2019b及2024b等多个软件版本,并提供了可直接执行的示例数据集。代码采用模块化设计,关键参数均可灵活调整,程序结构逻辑分明且附有详细说明注释。主要面向计算机科学、电子信息工程、数学等相关专业的高校学生,适用于课程实验、综合作业及学位论文等教学与科研场景。 水声通信是一种借助水下声波实现信息传输的技术。近年来,多输入多输出(MIMO)结构与正交频分复用(OFDM)机制被逐步整合到水声通信体系中,显著增强了水下信息传输的容量与稳健性。MIMO配置通过多天线收发实现空间维度上的信号复用,从而提升频谱使用效率;OFDM方案则能够有效克服水下信道中的频率选择性衰减问题,保障信号在复杂传播环境中的可靠送达。 本系统以MATLAB为仿真环境,该工具在工程计算、信号分析与通信模拟等领域具备广泛的应用基础。用户可根据自身安装的MATLAB版本选择相应程序文件。随附的案例数据便于快速验证系统功能与性能表现。代码设计注重可读性与可修改性,采用参数驱动方式,重要变量均设有明确注释,便于理解与后续调整。因此,该系统特别适合高等院校相关专业学生用于课程实践、专题研究或毕业设计等学术训练环节。 借助该仿真平台,学习者可深入探究水声通信的基础理论及其关键技术,具体掌握MIMO与OFDM技术在水声环境中的协同工作机制。同时,系统具备良好的交互界面与可扩展架构,用户可在现有框架基础上进行功能拓展或算法改进,以适应更复杂的科研课题或工程应用需求。整体而言,该系统为一套功能完整、操作友好、适应面广的水声通信教学与科研辅助工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值