Java实现六次调用的斐波那契计算方法
2026-02-25 23:19:24
0浏览
收藏
本文深入探讨了如何通过结构优化提升Java中斐波那契数列计算的效率与用户体验——仅需一次用户输入,即可完成六次独立调用并精准测量每次耗时,彻底告别重复提示与资源浪费;文章不仅修正了Scanner滥用、时间测量不准确等常见陷阱,还直击朴素递归O(2ⁿ)性能瓶颈,为后续升级至迭代或记忆化方案埋下关键伏笔,是兼顾代码规范性、可测性与工程实用性的精炼实践指南。

本文讲解如何优化Java程序,使用户仅需输入一次数字,即可连续六次调用斐波那契函数并测量每次耗时,避免重复输入与资源浪费。
本文讲解如何优化Java程序,使用户仅需输入一次数字,即可连续六次调用斐波那契函数并测量每次耗时,避免重复输入与资源浪费。
在您当前的代码中,Scanner 创建和用户输入语句被置于 for 循环内部,导致程序每轮迭代都重新提示“Enter a number:”,这违背了“仅输入一次”的需求。正确做法是将输入逻辑移出循环体,在循环开始前完成读取,之后仅复用该数值进行六次独立的 fibonacci() 调用。
此外,还需注意几个关键优化点:
- Scanner 实例应只创建一次,避免重复初始化开销;
- Date().getTime() 精度较低且已过时,推荐使用 System.nanoTime() 或 System.currentTimeMillis()(后者更适用于秒级耗时);
- 当前 fibonacci() 是朴素递归实现,时间复杂度为 O(2ⁿ),当输入较大(如 a > 40)时会导致严重性能问题甚至栈溢出——本教程聚焦结构优化,但实践中建议后续改用迭代法或记忆化递归。
以下是重构后的专业版代码:
import java.util.Scanner;
public class Main {
private static int count = 0;
public static int fibonacci(int n) {
count++;
if (n <= 1) {
return n;
}
return fibonacci(n - 1) + fibonacci(n - 2);
}
public static void main(String[] args) {
Scanner scanner = new Scanner(System.in); // ✅ 单例,循环外创建
System.out.print("Enter a number: ");
int input = scanner.nextInt(); // ✅ 仅执行一次输入
int n = 6;
for (int i = 1; i <= n; i++) {
long start = System.currentTimeMillis();
// 重置计数器(可选:用于观察每次调用的递归深度)
count = 0;
int result = fibonacci(input);
long end = System.currentTimeMillis();
System.out.printf("Call %d: Fibonacci(%d) = %d, Recursive calls = %d, Time = %d ms%n",
i, input, result, count, end - start);
}
scanner.close(); // ✅ 及时释放资源
}
}关键改进说明:
- ✅ 输入解耦:scanner 和 input 均位于 for 循环外部,确保单次交互;
- ✅ 资源管理:显式调用 scanner.close() 防止潜在资源泄漏;
- ✅ 可观测性增强:输出包含调用序号、递归计数(count)、毫秒级耗时,便于性能分析;
- ⚠️ 注意事项:若输入值 ≥ 45,强烈建议替换为迭代实现(时间复杂度 O(n),空间 O(1)),例如:
public static long fibonacciIterative(int n) {
if (n <= 1) return n;
long a = 0, b = 1;
for (int i = 2; i <= n; i++) {
long temp = a + b;
a = b;
b = temp;
}
return b;
}综上,结构清晰、输入高效、可维护性强是工业级代码的基本要求。本例虽小,却体现了“关注点分离”与“资源生命周期管理”的核心编程思想。
以上就是《Java实现六次调用的斐波那契计算方法》的详细内容,更多关于的资料请关注golang学习网公众号!
PHPisset去空值使用技巧解析
- 上一篇
- PHPisset去空值使用技巧解析
- 下一篇
- 小米云服务登录入口与账号安全提醒
查看更多
最新文章
-
- 文章 · java教程 | 1天前 | 线程池 · Java教程 · java 并发编程 ForkJoinPool ForkJoinTask managedBlock ManagedBlocker
- Java ForkJoinPool managedBlock 怎样避免阻塞任务拖住并行计算
- 489浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java DatagramChannel 怎样设置非阻塞接收
- 337浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java WebSocket.Listener 怎样控制下一条消息的接收节奏
- 370浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java Flow Publisher 怎样实现背压协议
- 339浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java CompletableFuture resultNow 怎样读取已完成结果
- 302浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java Foreign Function 怎样管理 MemorySegment 生命周期
- 259浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java switch pattern 怎样显式处理 null
- 220浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java 紧凑源文件怎样直接运行单文件程序
- 461浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java String.lines 怎样保留文本末尾的空行
- 337浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java WatchService 怎样处理 OVERFLOW 事件避免漏文件
- 360浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java String.stripIndent 怎样保留文本块的相对缩进
- 320浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java PathMatcher 怎样按 glob 规则筛选文件
- 246浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 498次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 555次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 582次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 534次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 346次使用
查看更多
相关文章
-
- Java try-with-resources 多个资源关闭顺序是什么
- 2026-09-10 501浏览
-
- 矩阵主副对角线快速定位技巧
- 2026-05-31 501浏览
-
- Java多态优化流程代码与行为分发改进
- 2026-05-26 501浏览
-
- JVM 类元数据双亲委派链表深度解析
- 2026-05-21 501浏览
-
- 反射异常处理:InvocationTargetException解析与应用
- 2026-05-16 501浏览
