96.不同的二叉搜索树—动态规划

96.不同的二叉搜索树—动态规划

难度 中等

题目

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

解题思路

在解题前，我们要知道什么是二叉搜索树，它或者是一棵空树，或者是具有下列性质的二叉树： 若它的左子树不空，则左子树上所有结点的值均小于它的根结点的值； 若它的右子树不空，则右子树上所有结点的值均大于它的根结点的值； 它的左、右子树也分别为二叉搜索树。注意：它的左右子树也是二叉搜索树。这样的话，就有重叠子问题了，我们可以用动态规划来解决此问题。在此之前先对动态规划做个介绍。

---

动态规划

相信很多同学都对动态规划算法有所耳闻，应该也见过很多题是用动态规划算法来解题的，但很多人对动态规划还是很懵，遇到后感觉不知道如何去下手，或者根本就不知道这道题可以用动态规划来解决。
首先这篇文章以这道二叉搜索树提出动态规划算法，我会介绍一下从哪些方面去考虑这个算法，然后会再加两道入门题来便于大家理解。

• 什么是动态规划
  动态规划（Dynamic Programming），简称DP，如果某一问题有很多重叠子问题，使用动态规划是最有效的。动态规划中每一个状态一定是由上一个状态推导出来的，也就是当前状态会用到上个状态的信息。

• 动态规划的思路步骤(五步)

  1. dp[]数组及其下标的含义（一般情况下，问题求什么，含义就是什么）
  2. 状态转移方程（找规律，找当前状态和上个(或上几个)状态的关系，找当前状态如何用到以前状态的信息）
  3. dp[]初始化（根据题目来进行dp[0]或dp[1]等的初始化，一般初始为0或1）
  4. 遍历顺序（for 循环）
  5. 打印dp[]数组（调试检查问题可用）

根据上面动态规划的思路步骤，我们来解决二叉搜索树这道题。题目问由n个节点组成的二叉搜索树有多少种？那么我们的dp[i]数组的含义就表示由i个节点组成的二叉搜索树的种类数。接下来，我们以示例1为例，分析一下：
3个节点组成的二叉搜索树情况：

• 左子树节点数为0，右子树节点数为2
• 左子树节点数为1，右子树节点数为1
• 左子树节点数为2，右子树节点数为0

则3个节点组成的二叉搜索树种类为以上三种情况之和，每种情况的左右子树构成一个大的整体二叉树，为相乘关系，左右子树都是二叉搜索树；故左子树节点数为0，即为dp[0]，右子树节点数为2，即为dp[2]，故dp[3]=dp[2]*dp[0]+dp[1]*dp[1]+dp[0]*dp[2]
类推，可得到动态转移方程为dp[i] += dp[j]*dp[i-j-1]（i=1,2,…,n; j=0,1,…,i-1）。
初始化dp[0]应该为1，否则若为0的话，上面乘积就为0了。
对于遍历顺序（for循环），在上面转移方程后已经推出了i，j的范围，即为for循环

代码

class Solution(object):
    def numTrees(self, n):
        """
        :type n: int
        :rtype: int
        """
        """动归五步曲：
            1.dp[]数组及下标i含义
            2.状态转移方程
            3.dp初始化
            4.遍历顺序(for循环)
            5.打印dp数组
        """
        dp = [0] * (n+1)
        dp[0] = 1
        for i in range(1, n+1):
        	for j in range(i):
        		dp[i] += dp[j] * dp[i-j-1]
        return dp[-1]
        

---

为了加深大家对动态规划的理解，我们再来看两道动归入门题。
首先第一道：509.斐波那契数：

斐波那契数，通常用 F(n) 表示，形成的序列称为斐波那契数列 。该数列由 0 和 1 开始，后面的每一项数字都是前面两项数字的和。也就是：
F(0) = 0，F(1) = 1
F(n) = F(n - 1) + F(n - 2)，其中 n > 1
给你 n ，请计算 F(n) 。

解题思路

• 题目求什么，dp[]数组含义就是什么，那么此题dp[i]就表示第i项的斐波那契数值
• 递推公式题目也给了我们，dp[i] = dp[i-1] + dp[i-2]，即dp[i] = dp[j] + dp[j-1]（i=2,3,…,n; j=i-2, i-1）
• 初始化题目也给了。dp[0] = 0, dp[1] = 1
• 遍历顺序由i, j的范围也得到了

代码

class Solution(object):
    def fib(self, n):
        """
        :type n: int
        :rtype: int
        """
        if n < 2:
        	return n
        dp = [0] * (n+1)
        dp[0], dp[1] = 0, 1
        for i in range(2, n+1):
        	for j in range(i-2, i):
        		dp[i] = dp[j] + dp[j-1]
        return dp[-1]
        

---

通过这道题，大家是不是稍微更加理解了动态规划呢？趁热打铁，我们再来一道：70.爬楼梯：

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。
每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？
注意：给定 n 是一个正整数。

解题思路

此题比上一题难度稍微增加一点，难点在于动归方程，不慌，我们来按照动归解题步骤一点一点来分析

• 题目问什么，dp[]数组含义就是什么，则dp[i]就表示i阶楼梯爬到楼顶的方法数
• i阶楼梯，怎么用到前面的状态信息，看题，每次可以爬1或2个台阶，那么，i阶楼梯方法就是i-1阶楼梯方法(再爬1阶到顶)加上i-2阶楼梯方法(再爬2阶到顶)；也就是说，上一个状态要么爬1个台阶到当前状态，要么爬2个台阶到当前状态，则有dp[i]=dp[i-1] + dp[i-2]，即dp[i]=dp[j] + dp[j-1]（i=2,3,…,n; j=i-2,i-1）
• 初始化当0个或1个台阶时，方法都为1，即dp[0]=1, dp[1]=1
• for循环由上面推导动归方程也出来了

代码

class Solution(object):
    def climbStairs(self, n):
        """
        :type n: int
        :rtype: int
        """
        dp = [0] * (n+1)
        dp[0], dp[1] = 1, 1
        for i in range(2, n+1):
        	for j in range(i-2, i):
        		dp[i] = dp[j] + dp[j-1]
        return dp[-1]
        

总结

以后遇到动态规划类题就按照这五步来分析，我想一定是没有问题的，这里，我没有打印dp[]数组，当我们写完程序出现问题时，可以打印dp[]数组来进行调试，看看打印的数组是不是正确的，如果打印出来有问题，那么可能就是动归方程或者初始化或者遍历顺序出现了问题，到这里，关于动归就讲结束了，大家好好加油，如果有更好的方法，欢迎留言下方评论o( ❛ᴗ❛ )o！