本文最后更新于:2020年7月22日 上午
96.不同的二叉搜索树
给定一个整数 n,求以 1 … n 为节点组成的二叉搜索树有多少种?
示例:
输入: 3
输出: 5
解释:
给定 n = 3, 一共有 5 种不同结构的二叉搜索树:
1 3 3 2 1
\ / / / \ \
3 2 1 1 3 2
/ / \ \
2 1 2 3
方法一:动态规划
思路
给定一个有序序列 $1 \cdots n$,为了构建出一颗二叉搜索树,遍历每个数字 $i$,将 $1 \cdots (i-1)$ 序列作为左子树,将 $(i+1) \cdots n$序列作为右子树,按照同样的方式递归构建左子树和右子树。
在上述构建的过程中,由于根的值不同,因此我们能保证每棵二叉搜索树是唯一的。
由此可见,原问题可以分解成规模较小的两个子问题,且子问题的解可以复用。动态规划很适合啦~
算法
题目要求是计算不同二叉搜索树的个数。为此,我们可以定义两个函数:
$G(n)$: 长度为 $n$ 的序列能构成的不同二叉搜索树的个数。
$F(i, n)$: 以 $i$ 为根、序列长度为 $n$ 的不同二叉搜索树个数 $(1 \leq i \leq n)$。
可见,$G(n)$ 是我们求解需要的函数。
$G(n)$可以从 $F(i, n)$ 得到,而 $F(i, n)$ 又会递归地依赖于 $G(n)$。
首先,不同的二叉搜索树的总数 $G(n)$,是对遍历所有 $ i (1 \le i \le n)$ 的 $F(i, n)$ 之和。换言之:
对于边界情况,当序列长度为 $1$(只有根)或为 $0$(空树)时,只有一种情况,即:
给定序列 $1 \cdots n$,我们选择数字 $i$ 作为根,则根为 $i$ 的所有二叉搜索树的集合是左子树集合和右子树集合的笛卡尔积(其实就是左子树的种类数乘以右子树的种类数,列举所有的可能性),对于笛卡尔积中的每个元素,加上根节点之后形成完整的二叉搜索树,如下图所示:
举例而言,创建以 3 为根、长度为 7 的不同二叉搜索树,整个序列是 [1,2,3,4,5,6,7],我们需要从左子序列 [1,2] 构建左子树,从右子序列 [4,5,6,7] 构建右子树,然后将它们组合(即笛卡尔积)。
公式化:不同二叉搜索树的个数表示为 $F(3, 7)$。我们将 $[1,2]$ 构建不同左子树的数量表示为 $G(2)$, 从 $[4,5,6,7]$ 构建不同右子树的数量表示为 $G(4)$,注意: $G(n)$ 和序列的内容无关,只和序列的长度有关。于是,$F(3,7) = G(2) \cdot G(4)$。 因此,我们可以得到以下公式:
将公式 $(1)$,$(2)$ 结合,可以得到 $G(n)$ 的递归表达式:
至此,我们从小到大计算 $G$ 函数即可,因为 $G(n)$ 的值依赖于 $G(0) \cdots G(n-1)$。
代码
class Solution:
def numTrees(self, n):
"""
:type n: int
:rtype: int
"""
G = [0] * (n+1)
G[0], G[1] = 1, 1
for i in range(2, n+1):
for j in range(1, i+1):
G[i] += G[j-1] * G[i-j]
return G[n]
复杂度分析
- 时间复杂度 : $O(n^2)$,其中 $n$ 表示二叉搜索树的节点个数。$G(n)$ 函数一共有 $n$ 个值需要求解,每次求解需要 $O(n)$ 的时间复杂度,因此总时间复杂度为 $O(n^2)$。
空间复杂度 : $O(n)$。我们需要 $O(n)$ 的空间存储 $G$ 数组。
方法二:数学
思路与算法
事实上我们在方法一中推导出的 G(n)函数的值在数学上被称为卡塔兰数 C_n。卡塔兰数更便于计算的定义如下:
C_0 = 1, \qquad C_{n+1} = \frac{2(2n+1)}{n+2}C_n
C0=1,Cn+1=n+22(2n+1)Cn
证明过程可以参考上述文献,此处不再赘述。
代码
class Solution(object):
def numTrees(self, n):
C = 1
for i in range(0, n):
C = C * 2 * (2 * i + 1)/(i+2)
return int(C)
复杂度分析
时间复杂度 : $O(n)$,其中 $n$ 表示二叉搜索树的节点个数。我们只需要循环遍历一次即可。
空间复杂度 : $O(1)$。我们只需要常数空间存放若干变量。
今天的小菜鸡喝到汤啦~
参考资料
本博客所有文章除特别声明外,均采用 CC BY-SA 4.0 协议 ,转载请注明出处!