计算二叉树的个数

说明

给定二叉树的节点个数来计算能够构成多少种不同的二叉树。

操作

采用的是递归的思想来解决这类问题。

1、因为采用递归的思想，我们的结束条件就是当节点个数为0.此时节点个数为0的情况，这时候构成的树的情况为空树，即二叉树的个数是1.

2、因为是二叉树，我们只需要分为两边来计算。即满足这样的条件，从根节点下来，能够成左边的情况的个数乘以右边的个数的情况想乘，就得到此时这种情况的个数。例如：总共有3个节点，左边分配2个（能构成的情况为2），右边分配1个节点（能构成的情况为1），即本次分配的情况总数为2*1=2

3、实际上节点数为1的时候，构成的情况也是1，和0是一样的，所以递归的条件，就是当节点数为0就结束。所以每次的结果都会递归到0。

代码实现：

'''
计算二叉树的个数
'''
def count(n):
    # root : 1
    # left : k [0,n-1]
    # right : n - 1 - k

    if n == 0:
        return 1
    sum = 0
    for k in range(n):
        sum += count(k) * count(n-1-k)
    return sum

用一张图来表示调用栈的变化以及程序的执行过程。我们以n=3为例，其他的（n更大）的情况都是一样的计算。

上图，详细解释了每一步的执行过程。上述调用栈的过程遵从左到右、从上到下的过程。执行过程遵从，从右到做、从下到上的顺序。

总结

在上述的代码中，有一个很大的缺点，在调用栈中就体现得很明确，当我们第一步执行count(0)和count(2)后，发现后面还会用到这些，会被重复的在调用栈中执行，在时间和空间上都是很大的浪费。

解决方法，我们可以建立一个缓存机制，使得每次执行过的count()被保存在缓存中，这样的话，当我们下次执行到ciunt()时，如果已经在缓存中，就直接从缓存中取（时间复杂度为O(1)），如果不存在我们才会递归。

其代码如下：

'''
添加缓存的方式来实现时间复杂度下降
'''
def count_tree(n):
    # root : 1
    # left : k [0,n-1]
    # right : n - 1 - k

    sum = count_tree.cache.get(n,0)
    if sum:
        return sum
    for k in range(n):
        sum += count_tree(k) * count_tree(n-1-k)
    return sum
count_tree.cache = {0:1}