编辑距离 - 科普 & 记录

这个概念好神奇啊，具体的还是看百度百科的介绍吧。

定义：编辑距离（Edit Distance），又称Levenshtein距离，是指两个字串之间，由一个转成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。一般来说，编辑距离越小，两个串的相似度越大。

算法：

自然语言表达

比如要计算cafe和coffee的编辑距离。cafe→caffe→coffe→coffee

先创建一个6×8的表（cafe长度为4，coffee长度为6，各加2）

（1）：

		c	o	f	f	e	e
c
a
f
e						表	1

接着，在如下位置填入数字（表2）：

		c	o	f	f	e	e
	0	1	2	3	4	5	6
c	1
a	2
f	3
e	4					表	2

从3,3格开始，开始计算。取以下三个值的最小值：

• 如果最上方的字符等于最左方的字符，则为左上方的数字。否则为左上方的数字+1。（对于3,3来说为0）
• 左方数字+1（对于3,3格来说为2）
• 上方数字+1（对于3,3格来说为2）

因此为格3,3为0（表3）

		c	o	f	f	e	e
	0	1	2	3	4	5	6
c	1	0
a	2
f	3
e	4					表	3

循环操作，推出下表

		c	o	f	f	e	e
	0	1	2	3	4	5	6
c	1	0	1	2	3	4	5
a	2	1	1	2	3	4	5
f	3	2	2	1	2	3	4
e	4	3	3	2	2	2	3

取右下角，得编辑距离为3

ok，看懂了算法后我们看代码，用dp的思想去写：

#include <stdio.h>
#include <cstring>
#include <algorithm>
using namespace std;
#define CLR(a,b) memset(a,b,sizeof(a))
#define INF 0x3f3f3f3f
#define LL long long
char s1[1011];
char s2[1011];
int ans[1011][1011];		//结果矩阵 
int main()
{
	scanf ("%s%s",s1+1,s2+1);
	int l1,l2;
	s1[0] = s2[0] = '@';
	l1 = strlen(s1) - 1;
	l2 = strlen(s2) - 1;
	for (int i = 0 ; i <= max(l1,l2) ; i++)		//初始化矩阵 
		ans[0][i] = ans[i][0] = i;
	for (int i = 1 ; i <= l1 ; i++)
	{
		for (int j = 1 ; j <= l2 ; j++)
		{
			//下面三者取最小值 
			if (s1[i] != s2[j])		//如果这个点对应两字符相等，那么取左上方数字，否则取左上方数字加一 
				ans[i][j] = ans[i-1][j-1] + 1;
			else
				ans[i][j] = ans[i-1][j-1];
			ans[i][j] = min(ans[i][j] , min(ans[i-1][j] + 1 , ans[i][j-1] + 1));		//然后再与左方数字+1、上方数字+1取最小值 
		}
	}
	printf ("%d\n",ans[l1][l2]);		//右下角的数字即为结果（编辑距离） 
	return 0;
}