Python,记忆化（Memoization）加速函数调用
2018-06-23 本文已影响67人
LabVIEW_Python
Memoization （记忆化）是一种利用缓存来加速函数调用的技术手段，将消耗较大的调用结果存储起来，当再次遇到相同调用时就从缓存读取结果而无需重新计算，这种方法叫做LRU（Least Recently Used）缓存算法
例如，递归实现的fabonacci数列，若不能Memoization技术，当n大于25时，可以明显感受到运行速度的变慢，如下图所示。
为了解决这个问题，Python提供一个内置函数缓存装饰器
@functools.lru_cache(maxsize=128, typed=False)，maxsize 参数是指最大缓存多少个调用，如果赋值为 None 则是无限制缓存，且关闭 LRU 功能。typed 参数控制函数参数类型不同时是否单独缓存。设置为True时， 例如f(3)和f(3.0)将会区别对待
现借助lru_cache优化递归函数调用速度：
Memoization （记忆化）
Fabonacci数列有一个很有意思的特性，就是当前项与前一项的商，是黄金比例（Gold Ratio), 1.618， 1/1.618 = 0.618
Gold Ratio（黄金比例）
