写出上诉两种算法以及递归算法，三种算法的优缺点

以下是两种动态规划算法和递归算法的实现代码以及优缺点分析：

1. 动态规划算法1(Fib2)

int dp[MAX]; //所有元素初始化为0 
int Fib2(int n) 
{  
    dp[1] = dp[2] = 1;    
    for (int i = 3; i <= n; i++)      
        dp[i] = dp[i - 1] + dp[i - 2];    
    return dp[n]; 
}

该算法使用一个数组来保存中间结果，避免了重复计算，时间复杂度为O(n)，空间复杂度为O(n)。优点是计算速度快，缺点是需要额外的空间来保存中间结果，对于大数据量的计算可能会占用较多的内存。

2. 动态规划算法2(Fib3)

int Fib3(int n) 
{  
    int dp[3];    
    dp[1] = 1; 
    dp[2] = 1;    
    for (int i = 3; i <= n; i++)       
        dp[i % 3] = dp[(i - 2) % 3] + dp[(i - 1) % 3];    
    return dp[n % 3]; 
}

该算法使用一个长度为3的数组来保存最近的两个斐波那契数列的值，避免了重复计算，时间复杂度为O(n)，空间复杂度为O(1)。优点是节省了空间，缺点是可读性稍差。

3. 递归算法

int Fib1(int n) 
{    
    if (n == 1 || n == 2)       
        return 1;    
    return Fib1(n - 1) + Fib1(n - 2); 
}

该算法使用递归的方式求解斐波那契数列，代码简单易懂，但是由于存在大量的重复计算，时间复杂度为O(2^n)，效率较低。优点是代码简单易懂，缺点是效率较低，容易出现栈溢出等问题。

综上所述，动态规划算法相比于递归算法，具有时间复杂度低、效率高的优点，但需要额外的空间来保存中间结果；而递归算法虽然简单易懂，但时间复杂度高，效率低，容易出现栈溢出等问题。