一道关于斐波那契序列的题

部署运行你感兴趣的模型镜像

大致意思是定义 f0=f1=1f_0=f_1=1f0=f1=1fi=fi−1+fi−2f_i=f_{i-1}+f_{i-2}fi=fi1+fi2
Σi=0nfifn−i\Sigma^n_{i=0}f_if_{n-i}Σi=0nfifni

Fn=Σi=0nfifn−iF_n=\Sigma^n_{i=0}f_if_{n-i}Fn=Σi=0nfifni
Fn−Fn−1=Σi=0nfifn−i−Σi=0n−1fifn−1−iF_n-F_{n-1}=\Sigma^n_{i=0}f_if_{n-i}-\Sigma^{n-1}_{i=0}f_if_{n-1-i}FnFn1=Σi=0nfifniΣi=0n1fifn1i
=f0fn+Σi=1nfifn−i−Σi=0n−1fifn−1−i=f_0f_n+\Sigma^{n}_{i=1}f_if_{n-i}-\Sigma^{n-1}_{i=0}f_if_{n-1-i}=f0fn+Σi=1nfifniΣi=0n1fifn1i
=f0fn+Σi=0n−1fifn−i−Σi=0n−1fifn−1−i=f_0f_n+\Sigma^{n-1}_{i=0}f_if_{n-i}-\Sigma^{n-1}_{i=0}f_if_{n-1-i}=f0fn+Σi=0n1fifniΣi=0n1fifn1i
=fn+Σi=0n−1fi(fn−i−fn−1−i)=f_n+\Sigma^{n-1}_{i=0}f_i(f_{n-i}-f_{n-1-i})=fn+Σi=0n1fi(fnifn1i)
=fn+Σi=0n−1fi(fn−i−2)=f_n+\Sigma^{n-1}_{i=0}f_i(f_{n-i-2})=fn+Σi=0n1fi(fni2)
=fn+Fn−2=f_n+F_{n-2}=fn+Fn2

所以,Fn=Fn−1+Fn−2+fnF_n=F_{n-1}+F_{n-2}+f_nFn=Fn1+Fn2+fn
于是,Fn−1=Fn−2+Fn−3+fnF_{n-1}=F_{n-2}+F_{n-3}+f_nFn1=Fn2+Fn3+fnFn−2=Fn−3+Fn−4+fnF_{n-2}=F_{n-3}+F_{n-4}+f_nFn2=Fn3+Fn4+fn,二式三式相加并与一试作差,可消去 fnf_nfn。得到 FFF 的递推式:Fn=2Fn−1+Fn−2−2Fn−3−Fn−4F_n=2F_{n-1}+F_{n-2}-2F_{n-3}-F_{n-4}Fn=2Fn1+Fn22Fn3Fn4,用矩阵加速求即可。

转移矩阵为:
{{2,1,0,0},
{1,0,1,0},
{-2,0,0,1},
{-1,0,0,0}}

初始化:F0=1,F1=2,F2=5,F3=10F_0=1, F_1=2, F_2=5, F_3=10F0=1,F1=2,F2=5,F3=10

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.9

TensorFlow-v2.9

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

内容概要:本文详细介绍了“秒杀商城”微服务架构的设计与实战全过程,涵盖系统从需求分析、服务拆分、技术选型到核心功能开发、分布式事务处理、容器化部署及监控链路追踪的完整流程。重点解决了高并发场景下的超卖问,采用Redis预减库存、消息队列削峰、数据库乐观锁等手段保障数据一致性,并通过Nacos实现服务注册发现与配置管理,利用Seata处理跨服务分布式事务,结合RabbitMQ实现异步下单,提升系统吞吐能力。同时,项目支持Docker Compose快速部署和Kubernetes生产级编排,集成Sleuth+Zipkin链路追踪与Prometheus+Grafana监控体系,构建可观测性强的微服务系统。; 适合人群:具备Java基础和Spring Boot开发经验,熟悉微服务基本概念的中高级研发人员,尤其是希望深入理解高并发系统设计、分布式事务、服务治理等核心技术的开发者;适合工作2-5年、有志于转型微服务或提升架构能力的工程师; 使用场景及目标:①学习如何基于Spring Cloud Alibaba构建完整的微服务项目;②掌握秒杀场景下高并发、超卖控制、异步化、削峰填谷等关键技术方案;③实践分布式事务(Seata)、服务熔断降级、链路追踪、统一配置中心等企业级中间件的应用;④完成从本地开发到容器化部署的全流程落地; 阅读建议:建议按照文档提供的七个阶段循序渐进地动手实践,重点关注秒杀流程设计、服务间通信机制、分布式事务实现和系统性能优化部分,结合代码调试与监控工具深入理解各组件协作原理,真正掌握高并发微服务系统的构建能力。
评论
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