题目## 题目
解题思路
- 定义 d p [ i ] dp[i] dp[i] 表示 i i i 个节点能构成的不同二叉搜索树的数量
- 对于每个节点数
i
i
i:
- 可以选择 1 1 1 到 i i i 中的任何一个数作为根节点
- 左子树由小于根节点的数构成
- 右子树由大于根节点的数构成
- 状态转移方程:
- d p [ i ] = ∑ j = 1 i d p [ j − 1 ] × d p [ i − j ] dp[i] = \sum_{j=1}^{i} dp[j-1] \times dp[i-j] dp[i]=∑j=1idp[j−1]×dp[i−j], j j j 从 1 1 1 到 i i i
- 其中 j − 1 j-1 j−1 是左子树节点数, i − j i-j i−j 是右子树节点数
- 边界条件: d p [ 0 ] = d p [ 1 ] = 1 dp[0] = dp[1] = 1 dp[0]=dp[1]=1
代码
#include <iostream>
#include <vector>
using namespace std;
int numTrees(int n) {
vector<long long> dp(n + 1, 0);
dp[0] = 1;
dp[1] = 1;
for(int i = 2; i <= n; i++) {
for(int j = 1; j <= i; j++) {
dp[i] += dp[j-1] * dp[i-j];
}
}
return dp[n];
}
int main() {
int n;
cin >> n;
cout << numTrees(n) << endl;
return 0;
}
import java.util.Scanner;
public class Main {
public static int numTrees(int n) {
long[] dp = new long[n + 1];
dp[0] = 1;
dp[1] = 1;
for(int i = 2; i <= n; i++) {
for(int j = 1; j <= i; j++) {
dp[i] += dp[j-1] * dp[i-j];
}
}
return (int)dp[n];
}
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
int n = sc.nextInt();
System.out.println(numTrees(n));
sc.close();
}
}
def num_trees(n):
dp = [0] * (n + 1)
dp[0] = dp[1] = 1
for i in range(2, n + 1):
for j in range(1, i + 1):
dp[i] += dp[j-1] * dp[i-j]
return dp[n]
n = int(input())
print(num_trees(n))
算法及复杂度
- 算法:动态规划(卡特兰数)
- 时间复杂度: O ( n 2 ) \mathcal{O}(n^2) O(n2),需要两层循环
- 空间复杂度: O ( n ) \mathcal{O}(n) O(n),需要一个 d p dp dp 数组
解题思路
这是一个求最长回文子序列的问题,可以通过动态规划来解决:
- 定义 d p [ i ] [ j ] dp[i][j] dp[i][j] 表示字符串 s s s 在区间 [ i , j ] [i,j] [i,j] 内的最长回文子序列长度
- 状态转移方程:
- 当 s [ i ] = = s [ j ] s[i] == s[j] s[i]==s[j] 时: d p [ i ] [ j ] = d p [ i + 1 ] [ j − 1 ] + 2 dp[i][j] = dp[i+1][j-1] + 2 dp[i][j]=dp[i+1][j−1]+2
- 当 s [ i ] ! = s [ j ] s[i] != s[j] s[i]!=s[j] 时: d p [ i ] [ j ] = m a x ( d p [ i + 1 ] [ j ] , d p [ i ] [ j − 1 ] ) dp[i][j] = max(dp[i+1][j], dp[i][j-1]) dp[i][j]=max(dp[i+1][j],dp[i][j−1])
- 初始条件:
- 当 i = = j i == j i==j 时, d p [ i ] [ j ] = 1 dp[i][j] = 1 dp[i][j]=1(单个字符是回文)
- 最终答案是 d p [ 0 ] [ n − 1 ] dp[0][n-1] dp[0][n−1]
代码
#include <iostream>
#include <vector>
#include <string>
using namespace std;
int longestPalindromeSubseq(string s) {
int n = s.length();
vector<vector<int>> dp(n, vector<int>(n, 0));
// 初始化单个字符的情况
for (int i = 0; i < n; i++) {
dp[i][i] = 1;
}
// 从长度2开始计算
for (int len = 2; len <= n; len++) {
for (int i = 0; i < n - len + 1; i++) {
int j = i + len - 1;
if (s[i] == s[j]) {
dp[i][j] = dp[i+1][j-1] + 2;
} else {
dp[i][j] = max(dp[i+1][j], dp[i][j-1]);
}
}
}
return dp[0][n-1];
}
int main() {
string s;
cin >> s;
cout << longestPalindromeSubseq(s) << endl;
return 0;
}
import java.util.*;
public class Main {
public static int longestPalindromeSubseq(String s) {
int n = s.length();
int[][] dp = new int[n][n];
// 初始化单个字符的情况
for (int i = 0; i < n; i++) {
dp[i][i] = 1;
}
// 从长度2开始计算
for (int len = 2; len <= n; len++) {
for (int i = 0; i < n - len + 1; i++) {
int j = i + len - 1;
if (s.charAt(i) == s.charAt(j)) {
dp[i][j] = dp[i+1][j-1] + 2;
} else {
dp[i][j] = Math.max(dp[i+1][j], dp[i][j-1]);
}
}
}
return dp[0][n-1];
}
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
String s = sc.nextLine();
System.out.println(longestPalindromeSubseq(s));
}
}
def longestPalindromeSubseq(s):
n = len(s)
dp = [[0] * n for _ in range(n)]
# 初始化单个字符的情况
for i in range(n):
dp[i][i] = 1
# 从长度2开始计算
for length in range(2, n + 1):
for i in range(n - length + 1):
j = i + length - 1
if s[i] == s[j]:
dp[i][j] = dp[i+1][j-1] + 2
else:
dp[i][j] = max(dp[i+1][j], dp[i][j-1])
return dp[0][n-1]
s = input()
print(longestPalindromeSubseq(s))
算法及复杂度
- 算法:动态规划
- 时间复杂度: O ( n 2 ) \mathcal{O}(n^2) O(n2) - 需要填充n×n的dp数组
- 空间复杂度: O ( n 2 ) \mathcal{O}(n^2) O(n2) - 需要n×n的dp数组存储中间结果
这道题的关键在于理解动态规划的状态转移方程。对于区间 [ i , j ] [i,j] [i,j]:
- 如果两端字符相同 ( s [ i ] = = s [ j ] ) (s[i] == s[j]) (s[i]==s[j]),可以将这两个字符加入回文序列,长度加 2 2 2
- 如果两端字符不同,则取去掉左端点或右端点后的最大值
通过填充 d p dp dp 数组,我们可以得到整个字符串的最长回文子序列长度。注意遍历顺序是按照子序列长度从小到大进行的,这样可以保证计算 d p [ i ] [ j ] dp[i][j] dp[i][j] 时,所需的 d p [ i + 1 ] [ j − 1 ] dp[i+1][j-1] dp[i+1][j−1]、 d p [ i + 1 ] [ j ] dp[i+1][j] dp[i+1][j] 和 d p [ i ] [ j − 1 ] dp[i][j-1] dp[i][j−1] 都已经计算出来了。