本文共 2271 字,大约阅读时间需要 7 分钟。
本文素材来自视频,请自备梯子观看:
:动态编程分为如下几步:
这种存储计算结果以备再次使用称之为:Memoization(这个词,不知道怎么翻译好)
以斐波那契数列为例来说明:
1、使用递归实现:
def fib(n): if n < 1: raise ValueError('参数n必须为大于0的整数') if n == 1 or n == 2: return 1 return fib(n-2)+fib(n-1)
这种方法是经典的递归运算。以fib(5)为例,整个求解过程可以拆分为:
我们可以看出,fib(2)被计算三次,fib(3)与fib(1)各被计算2次,时间复杂度为O(2^n)。2、对递归进行改进
def fib_memory(n): d = dict() _fib_memory(n, d)def _fib_memory(n, temp_dict): if n < 1: raise ValueError('参数n必须为大于0的整数') if type(temp_dict) is not dict raise TypeError('参数temp_dict必须为dict类型') if n in temp_dict: return temp_dict[n] if n == 1 or n == 2: result = 1 else: result = fib_memory(n-1, temp_dict)+fib_memory(n-2, temp_dict) temp_dict[n] = result return result优化后,时间复杂度降为O(n)。优化后的算法依然使用了递归,当参数较大时(如,1000)会导致栈溢出:
RecursionError: maximum recursion depth exceeded in comparison
3、脱离递归:
def fib_bottom_up(n): l = [None]*(n+1) return _fib_bottom_up(n, l)def _fib_bottom_up(n, temp_list): if n < 1: raise ValueError('参数n必须为大于0的整数') if type(temp_list) is not list: raise TypeError('参数temp_list必须为list类型') if temp_list[n] is not None: return temp_list[n] if n == 1 or n == 2: return 1 temp_list[1] = 1 temp_list[2] = 1 for i in range(3, n+1): temp_list[i] = temp_list[i-1]+temp_list[i-2] return temp_list[n]
改进之后的算法不再使用递归,时间复杂度依然是O(n)。
对以上三种实现编写测试用例:
# coding=utf-8import tempimport unittestclass TestDif(unittest.TestCase): def test_fib_0_throw_value_error(self): with self.assertRaises(ValueError): temp.fib(0) def test_fib_1_return_1(self): result = temp.fib(1) self.assertEqual(1, result) def test_fib_10_return_false(self): result = temp.fib(10) self.assertFalse(result == 10) def test_fib_memory_10_return_false(self): result = temp.fib_memory(10) self.assertNotEqual(result, 10) def test_fib_bottom_up_1000_return_true(self): result = temp.fib_bottom_up(1000) print(result) self.assertTrue(result > 100000)if __name__ == "__main__": unittest.main()
无意中在Youtube上看到这段视频,就翻译整理下来与大家共享。
转载地址:http://wwuwa.baihongyu.com/