【月度刷题计划同款】从区间 DP 到卡特兰数

宫水三叶的刷题日记

发布于 2023-09-22 17:37:32

2280

发布于 2023-09-22 17:37:32

文章被收录于专栏：宫水三叶的刷题日记宫水三叶的刷题日记

题目描述

这是 LeetCode 上的「96. 不同的二叉搜索树」，难度为「中等」。

Tag : 「树」、「二叉搜索树」、「动态规划」、「区间 DP」、「数学」、「卡特兰数」

给你一个整数 n ，求恰由 n 个节点组成且节点值从 1 到 n 互不相同的二叉搜索树有多少种？

返回满足题意的二叉搜索树的种数。

示例 1：

输入：n = 3

输出：5

示例 2：

输入：n = 1

输出：1

提示：

1 <= n <= 19

区间 DP

沿用 95. 不同的二叉搜索树 II 的基本思路，只不过本题不是求具体方案，而是求个数。

除了能用 95. 不同的二叉搜索树 II 提到的「卡特兰数」直接求解

个节点的以外，本题还能通过常规「区间 DP」的方式进行求解。

❝求数量使用 DP，求所有具体方案使用爆搜，是极其常见的一题多问搭配。 ❞

定义

f[l][r]

为使用数值范围在

[l, r]

之间的节点，所能构建的 BST 个数。

不失一般性考虑

f[l][r]

该如何求解，仍用

[l, r]

中的根节点 i 为何值，作为切入点进行思考。

根据「BST 定义」及「乘法原理」可知：

[l, i - 1]

相关节点构成的 BST 子树只能在 i 的左边，而

[i + 1, r]

相关节点构成的 BST 子树只能在 i 的右边。

所有的左右子树相互独立，因此以 i 为根节点的 BST 数量为

f[l][i - 1] \times f[i + 1][r]

，而 i 共有

r - l + 1

个取值（

i \in [l, r]

）。

即有：

f[l][r] = \sum_{i = l}^{r} (f[l][i - 1] \times f[i + 1][r])

不难发现，求解区间

[l, r]

的 BST 数量

f[l][r]

依赖于比其小的区间

[l, i - 1]

和

[i + 1, r]

，这引导我们使用「区间 DP」的方式进行递推。

❝不了解区间 DP 的同学，可看前置 🧀 ❞

一些细节：由于我们 i 的取值可能会取到区间中的最值 l 和 r，为了能够该情况下，

f[l][i - 1]

和

f[i + 1][r]

能够顺利参与转移，起始我们需要先对所有满足

i >= j

的

f[i][j]

初始化为 1。

Java 代码：

class Solution {
    public int numTrees(int n) {
        int[][] f = new int[n + 10][n + 10];
        for (int i = 0; i <= n + 1; i++) {
            for (int j = 0; j <= n + 1; j++) {
                if (i >= j) f[i][j] = 1;
            }
        }
        for (int len = 2; len <= n; len++) {
            for (int l = 1; l + len - 1 <= n; l++) {
                int r = l + len - 1;
                for (int i = l; i <= r; i++) {
                    f[l][r] += f[l][i - 1] * f[i + 1][r];
                }
            }
        }
        return f[1][n];
    }
}

C++ 代码：

class Solution {
public:
    int numTrees(int n) {
        vector<vector<int>> f(n + 2, vector<int>(n + 2, 0));
        for (int i = 0; i <= n + 1; i++) {
            for (int j = 0; j <= n + 1; j++) {
                if (i >= j) f[i][j] = 1;
            }
        }
        for (int len = 2; len <= n; len++) {
            for (int l = 1; l + len - 1 <= n; l++) {
                int r = l + len - 1;
                for (int i = l; i <= r; i++) {
                    f[l][r] += f[l][i - 1] * f[i + 1][r];
                }
            }
        }
        return f[1][n];
    }
};

Python 代码：

class Solution(object):
    def numTrees(self, n):
        f = [[0] * (n + 2) for _ in range(n + 2)]
        for i in range(n + 2):
            for j in range(n + 2):
                if i >= j:
                    f[i][j] = 1
        for length in range(2, n + 1):
            for l in range(1, n - length + 2):
                r = l + length - 1
                for i in range(l, r + 1):
                    f[l][r] += f[l][i - 1] * f[i + 1][r]
        return f[1][n]

TypeScript 代码：

function numTrees(n: number): number {
    const f = new Array(n + 2).fill(0).map(() => new Array(n + 2).fill(0));
    for (let i = 0; i <= n + 1; i++) {
        for (let j = 0; j <= n + 1; j++) {
            if (i >= j) f[i][j] = 1;
        }
    }
    for (let len = 2; len <= n; len++) {
        for (let l = 1; l + len - 1 <= n; l++) {
            const r = l + len - 1;
            for (let i = l; i <= r; i++) {
                f[l][r] += f[l][i - 1] * f[i + 1][r];
            }
        }
    }
    return f[1][n];
};

时间复杂度：

O(n^3)

空间复杂度：

O(n^2)

区间 DP（优化）

求解完使用

[1, n]

共

个连续数所能构成的 BST 个数后，再来思考一个问题：使用

[L, R]

共

n = R - L + 1

个连续数，所能构成的 BST 个数又是多少。

答案是一样的。

由

个连续数构成的 BST 个数仅与数值个数有关系，与数值大小本身并无关系。

由于可知，我们上述的「区间 DP」必然进行了大量重复计算，例如

f[1][3]

和

f[2][4]

同为大小为

的区间，却被计算了两次。

调整我们的状态定义：定义

f[k]

为考虑连续数个数为

时，所能构成的 BST 的个数。

不失一般性考虑

f[i]

如何计算，仍用

[1, i]

中哪个数值作为根节点进行考虑。假设使用数值

作为根节点，则有

f[j - 1] \times f[i - j]

个 BST 可贡献到

f[i]

，而

个取值（

j \in [1, i]

）。

即有：

f[i] = \sum_{j = 1}^{i}(f[j - 1] \times f[i - j])

同时有初始化

f[0] = 1

，含义为没有任何连续数时，只有“空树”一种合法方案。

Java 代码：

class Solution {
    public int numTrees(int n) {
        int[] f = new int[n + 10];
        f[0] = 1;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= i; j++) {
                f[i] += f[j - 1] * f[i - j];
            }
        }
        return f[n];
    }
}

C++ 代码：

class Solution {
public:
    int numTrees(int n) {
        vector<int> f(n + 10, 0);
        f[0] = 1;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= i; j++) {
                f[i] += f[j - 1] * f[i - j];
            }
        }
        return f[n];
    }
};

Python 代码：

class Solution:
    def numTrees(self, n: int) -> int:
        f = [0] * (n + 10)
        f[0] = 1
        for i in range(1, n + 1):
            for j in range(1, i + 1):
                f[i] += f[j - 1] * f[i - j]
        return f[n]

TypeScript 代码：

function numTrees(n: number): number {
    const f = new Array(n + 10).fill(0);
    f[0] = 1;
    for (let i = 1; i <= n; i++) {
        for (let j = 1; j <= i; j++) {
            f[i] += f[j - 1] * f[i - j];
        }
    }
    return f[n];
};

时间复杂度：

O(n^2)

空间复杂度：

O(n)

数学 - 卡特兰数

在「区间 DP（优化）」中的递推过程，正是“卡特兰数”的

O(n^2)

递推过程。

通过对常规「区间 DP」的优化，我们得证 95. 不同的二叉搜索树 II 中「给定

个节点所能构成的 BST 的个数为卡特兰数」这一结论。

对于精确求卡特兰数，存在时间复杂度为

O(n)

的通项公式做法，公式为

C_{n+1} = \frac{C_n \cdot (4n + 2)}{n + 2}

。

Java 代码：

class Solution {
    public int numTrees(int n) {
        if (n <= 1) return 1;
        long ans = 1;
        for (int i = 0; i < n; i++) ans = ans * (4 * i + 2) / (i + 2);
        return (int)ans;
    }
}

C++ 代码：

class Solution {
public:
    int numTrees(int n) {
        if (n <= 1) return 1;
        long long ans = 1;
        for (int i = 0; i < n; i++) ans = ans * (4 * i + 2) / (i + 2);
        return (int)ans;
    }
};

Python 代码：

class Solution:
    def numTrees(self, n: int) -> int:
        if n <= 1:
            return 1
        ans = 1
        for i in range(n):
            ans = ans * (4 * i + 2) // (i + 2)
        return ans

TypeScript 代码：

function numTrees(n: number): number {
    if (n <= 1) return 1;
    let ans = 1;
    for (let i = 0; i < n; i++) ans = ans * (4 * i + 2) / (i + 2);
    return ans;
};