Làm thế nào để xây dựng một hàm tính Fibonacci tối ưu sử dụng kỹ thuật Memoization (Caching nội bộ) trong phạm vi lớp (Class Scope) ở cấp độ Junior?

Question

Accepted Answer

Bản chất vấn đề
Memoization là kỹ thuật lưu trữ kết quả của các hàm tốn kém thời gian vào một bộ nhớ đệm (thường là một Map hoặc Dictionary) để tái sử dụng ngay lập tức khi gặp lại cùng một tham số đầu vào. Kỹ thuật này giúp chuyển đổi độ phức tạp thời gian từ dạng hàm mũ sang tuyến tính.
Ví dụ mã nguồn minh họa (TypeScript)
class FibonacciMemoized {
    private cache: Map<number, number> = new Map();

public calculate(n: number): number {
        if (n < 0) throw new Error("N phai lon hon hoac bang 0");
        if (n === 0) return 0;
        if (n === 1) return 1;

if (this.cache.has(n)) {
            return this.cache.get(n)!;
        }

const result = this.calculate(n - 1) + this.calculate(n - 2);
        this.cache.set(n, result);
        return result;
    }
}
Lưu ý kinh nghiệm thực chiến

Khi sử dụng Memoization trong các ứng dụng Web hoặc dịch vụ chạy dài ngày (Long-running processes), cần lưu ý đến hiện tượng rò rỉ bộ nhớ (Memory Leak) nếu cache quá lớn mà không có cơ chế giới hạn kích thước (như LRU Cache).
Đối với Junior, việc hiểu rõ cách dùng Map hoặc Dictionary làm bộ nhớ đệm cục bộ là bước đệm quan trọng trước khi tiến tới các hệ thống Distributed Caching như Redis.

Làm thế nào để xây dựng một hàm tính Fibonacci tối ưu sử dụng kỹ thuật Memoization (Caching nội bộ) trong phạm vi lớp (Class Scope) ở cấp độ Junior?

Bản chất vấn đề

Làm Chủ Phỏng Vấn & Nâng Cao Trình Độ Chuyên Nghiệp

Tải Tuyển Tập 100+ Câu Hỏi Phỏng Vấn Chuyên Sâu (PDF)

Cần Mentor Phỏng Vấn Thử 1-1 & Tối Ưu CV?

Kiểm Tra CV Chuẩn ATS Miễn Phí

Câu hỏi fibonacci series liên quan cùng chủ đề