Question

我尝试了两种Fibonacci系列算法并比较速度。

第一个是通过Numpy的矩阵的力量（我也写了我自己的函数，但似乎numpy更快）。

ListView

第二种是具有缩短内存的动态编程。

import numpy as np
import time

def fibonacci_power(n):
    F=np.matrix('1,1;1,0')
    Fn=F**(n-1)
    return Fn[0,0]

第一个的时间复杂度是 O（log n），第二个是 O（n）。因此对于较大的 n ，第一个应该更快。

我在下面比较他们的速度：

def fibonacci_mem(n):
    f=[0, 1]
    if n<=1:
        return f[n]
    for i in range(2, n+1):
        temp=f[1]
        f[1]=f[1]+f[0]
        f[0]=temp
    return f[1]

结果是：

def main():
    n=90

    start=time.time()
    f1=fibonacci_power(n)
    f1_time=time.time()-start
    print('Power/Numpy result: '+str(f1)+' time: '+str(f1_time))

    start=time.time()
    f3=fibonacci_mem(n)
    f3_time=time.time()-start
    print('Memory result: '+str(f3)+' time: '+str(f3_time))

我是否以正确的方式比较他们的速度？如果是，有人可以解释为什么第二个更快？感谢。

Answer 1

使用cProfile，它会显示你的功能正在做的一切（呼叫等）。并且，比较一下：

import cProfile
cProfile.run('fibonacci_power(150)')
#compare it to
cProfile.run('fibonacci_mem(150)')

对此：

import cProfile
cProfile.run('fibonacci_power(15000)')
#compare it to
cProfile.run('fibonacci_mem(15000)')

正如您所看到的，NumPy使用了很多东西来完成任务，因为矩阵方法更复杂。你的代码更简单，它只使用很少的内置东西。 NumPy用于做更复杂的事情，与你写的小函数相比，它会更慢，如果＆＃39; n＆＃39;是一个小数字。只要看一下cProfile的解释，就会更加清晰。当然，对于大数和长期而言，NumPy更快。

比较斐波那契算法的速度

1 个答案: