我不能得到，自顶向下的记忆化需要更大的表大小，因为自下而上和自顶向下的方法都是以0（N）时间复杂度计算问题，不管他们做什么，但是表大小与Fibonacci在表中存储n个斐波那契项的结果将保持相同。问题
在自顶向下的情况下，它可能有堆栈溢出的风险，但表大小应该保持不变？是吗？
最佳答案
我认为这是因为你可以实现自下而上的斐波纳契，只有O（1）空间。
在python伪代码中：
u=1
v=0
while n>0:
u,v = v,u+v
n=n-1
return v
我不能得到，自顶向下的记忆化需要更大的表大小，因为自下而上和自顶向下的方法都是以0（N）时间复杂度计算问题，不管他们做什么，但是表大小与Fibonacci在表中存储n个斐波那契项的结果将保持相同。问题
在自顶向下的情况下，它可能有堆栈溢出的风险，但表大小应该保持不变？是吗？
最佳答案
我认为这是因为你可以实现自下而上的斐波纳契，只有O（1）空间。
在python伪代码中：
u=1
v=0
while n>0:
u,v = v,u+v
n=n-1
return v