动态规划——最优二叉查找树问题（C代码实现）

引入

假设你要把一本英文书翻译成中文，翻译的过程中，你需要在词汇库中寻找每一个单词。假设每个词都已经按照字母序排列好，用二分法寻找单词，这个过程可以被抽象成一棵二叉查找树。
但是我们可能会遇到这种情况：一个单词出现频率特别高但它离根节点特别远。另一个词出现频率特别低，但它离根节点特别近，这样会导致搜索过程地比较次数大幅增加。除此之外，有一些生僻词可能并没有出现在你的词汇库中，每次遇到这些词的时候你都需要经过最差的比较次数。
为了减少搜索过程中的比较，我们可以把词汇出现的频率列入二叉树建立的考察中。
下面对这个问题进行形式化定义：
给定一个$n$个不同关键字的已排序序列$K=<k_1,k_2,\dots ,k_n>$,（因此$k_1<k_2<\dots <k_n$）。对每一个关键字$k_i$，都有一个概率$p_i$表示其搜索概率。有些要搜索的值可能不在$K$中，因此我们还有$n+1$个“伪关键字”$d_0,d_1,d_2,\dots ,d_n$表示不在$K$中的值。$d_0$表示所有小于$k_1$的值，$d_n$表示所有大于$k_n$的值，对$i=1,2,\dots ,n-1$,伪关键字$d_i$表示所有在$k_i$和$k_{i+1}$之间的值。对每一个伪关键字$d_i$，都有一个概率$q_i$表示其搜索概率。每次搜索要么成功（找到某个关键字$k_i$）要么失败（找到某个伪关键字$d_i$），因此有如下公式：
$$\sum _{i=1}^n{p}_i+\sum _{i=0}^n{q}_i=1$$
由于我们知道每个关键字和伪关键字的搜索概率，因而可以确定在一棵给定的二叉搜索树$T$中进行一次搜索的期望代价为：
$$E[T中搜索代价]=\sum _{i=1}^n(dept{h}_T(k_i)+1)\times p_i+\sum _{i=0}^n(dept{h}_T(d_i)+1)\times q_i=1+\sum _{i=1}^{n}dept{h}_T(k_i)\times p_i+\sum _{i=0}^{n}dept{h}_T(d_i)\times q_i$$
$dept{h}_T表示某个结点在树T中的深度$
最优二叉搜索树不一定是高度最矮的，频率最高的关键字也未必是一个最优二叉搜索树的根节点。如果用暴力枚举法来计算，$n$个结点能产生的二叉树的数量为$\Omega (4^n/n^{3/2})$，因此我们采用动态规划法来解决这个问题。

用动态规划法解决最优二叉查找树问题

优化子结构

如果一颗最优二叉树$T$有一颗包含关键字$k_i,\dots ,k_j$的子树$T^{\prime }$，那$T^{\prime }$必然是包含关键字$k_i,\dots ,k_j$和伪关键字$d_{i-1},\dots ,d_j$的子问题的最优解。

证明： 如果存在一颗子树$T^{\prime \prime }$包含和$T^{\prime }$相同的元素且期望搜索代价更低，那么我们可以把$T^{\prime }$的位置用$T^{\prime \prime }$替换掉，从而使$T$的期望搜索代价更低。

下面我们假设在由$k_i,\dots ,k_j$这串序列构成的树中，选取$k_r$作为根结点能使之成为最优二叉查找树。那么$k_r$的左子树中就包括$k_i,\dots ,k_{r-1}$及伪关键字$d_{i-1},\dots ,d_{r-1}$，它的右子树中就包括$k_{r+1},\dots ,k_j$及伪关键字$d_r,\dots ,d_j$。只要我们检查所有可能的根节点$k_r(i\le r\le j)$，并对每种情况分别求解包含$k_i,\dots ,k_{r-1}$及包含$k_{r+1},\dots ,k_j$的最优二叉查找树，即可保证找到原问题的最优解。

递归求解方案

我们先定义两个二维数组，$e[i,j]$为由从$i$到$j$的结点构成的二叉搜索树进行一次搜索的期望代价，$w[i,j]$为从$i$到$j$的结点的概率之和。最后我们希望求得的是$e[1,n]$。

注意：$w[i,j]={\sum }_{l=i}^j{p}_l+{\sum }_{l=i-1}^j{q}_l$

先来考虑递归到底的情况，递归到最底的时候肯定只有一个关键字。但值得注意的是在这个问题中还有伪关键字，因此我们需要考虑在左右范围的下标（$i，j$）是什么情况下时构造出来的子树只有一个伪关键字的结点。
前面提到在由$k_i,\dots ,k_j$这串序列构成的树中，选取$k_r$作为根结点能使之成为最优二叉查找树。那么$k_r$的左子树中就包括$k_i,\dots ,k_{r-1}$及伪关键字$d_{i-1},\dots ,d_{r-1}$，它的右子树中就包括$k_{r+1},\dots ,k_j$及伪关键字$d_r,\dots ,d_j$。那么当这个左子树只有一个伪关键字的时候显然$r=i$，此时它的左子树就应该是$k_i,\dots ,k_{i-1}$,即并没有关键字结点。则再对这个左子树寻找最优子树时，$(new)i=(old)i,j=(old)i-1$。由此我们就知道了递归到底的情况是$j=i-1$。即$j=i-1$时$e[i,j]=q_{i-1}$（其实是$q_{i-1}\ast 1$，只有结点的时候只用比较一次，这里把$\ast 1$省略掉了）。
那么对于$j\ge i$的情况呢？
首先想到的是$e[i,j]$等于它的两个子树的期望简单相加之后再加上树根的概率，但其实当我们在两棵子树上新找到一个结点作为它们的根的时候，这两个子树的每一个节点的深度都加了$1$，也就是说去搜索子树里的节点的比较次数全多了一次，即还得再加上一次所有结点的概率（和刚才$q_{i-1}\ast 1$省略了$\ast 1$一样，这里多比较了一次，体现在公式上就是再补加上全体结点的概率）。因此$j\ge i$时
$$e[i,j]=e[i,r-1]+e[r+1,j]+p_r+w[i,r-1]+w[r+1,j]$$

$e[i,r-1]+e[r+1,j]+p_r$:它的两个子树的期望简单相加之后再加上树根的概率
$w[i,r-1]+w[r+1,j]$：因为深度加深了1，再补加上了一次所有结点的概率

而我们很容易发现：
$$w[i,j]=w[i,r-1]+p_r+w[r+1,j]$$
因此原式可以变为：
$$e[i,j]=e[i,r-1]+e[r+1,j]+w[i,j]$$
据此我们终于可以写出递归公式：
$$e[i,j]=\{\begin{array}{ll}{q}_{i-1},& \text{if j=i−1 }\\ e[i,j]=e[i,r-1]+e[r+1,j]+w[i,j],& \text{if j≥i}\end{array}$$

C代码填表

void OPTIMAL_BST(int p[],int q[],int n,int **e,int **w,int **root)
{
	int i,j,l,r,t;
	for(i=1;i<=n+1;i++)
	{
		e[i][i-1]=q[i-1];
		w[i][i-1]=q[i-1];
	}
	for(l=1;l<=n;l++)
	{
		for(i=1;i<=n-l+1;i++)
		{
			j=i+l-1;
			e[i][j]=INT_MAX;
			w[i][j]=w[i][j-1]+p[j]+q[j];
			for(r=i;r<=j;r++)
			{
				t=e[i][r-1]+e[r+1][j]+w[i][j];
				if(t<e[i][j])
				{
					e[i][j]=t;
					root[i][j]=r;
				}
			}
		}
	}
	return;
}