动态规划章节理论基础:
583. 两个字符串的删除操作
题目链接:https://leetcode.cn/problems/delete-operation-for-two-strings/description/
本题和动态规划:115.不同的子序列 相比,其实就是两个字符串都可以删除了,情况虽说复杂一些,但整体思路是不变的。
这次是两个字符串可以相互删了,这种题目也知道用动态规划的思路来解。
思路:
动规五部曲:
(1)确定dp数组以及下标含义
dp[i][j]:以i-1为结尾的字符串word1,和以j-1位结尾的字符串word2,想要达到相等,所需要删除元素的最少次数。
(2)确定递归公式
- 当word1[i - 1] 与 word2[j - 1]相同的时候
- 当word1[i - 1] 与 word2[j - 1]不相同的时候
当word1[i - 1] 与 word2[j - 1]相同的时候,dp[i][j] = dp[i - 1][j - 1];
当word1[i - 1] 与 word2[j - 1]不相同的时候,有三种情况:
情况一:删word1[i - 1],最少操作次数为dp[i - 1][j] + 1
情况二:删word2[j - 1],最少操作次数为dp[i][j - 1] + 1
情况三:同时删word1[i - 1]和word2[j - 1],操作的最少次数为dp[i - 1][j - 1] + 2
那最后当然是取最小值,所以当word1[i - 1] 与 word2[j - 1]不相同的时候,递推公式:dp[i][j] = min({dp[i - 1][j - 1] + 2, dp[i - 1][j] + 1, dp[i][j - 1] + 1});因为 dp[i][j - 1] + 1 = dp[i - 1][j - 1] + 2,所以递推公式可简化为:dp[i][j] = min(dp[i - 1][j] + 1, dp[i][j - 1] + 1);
(3)dp数组初始化
从递推公式中,可以看出来,dp[i][0] 和 dp[0][j]是一定要初始化的。
dp[i][0]:word2为空字符串,以i-1为结尾的字符串word1要删除多少个元素,才能和word2相同呢,很明显dp[i][0] = i。dp[0][j]的话同理。
(4)确定遍历顺序
从递推公式 dp[i][j] = min(dp[i - 1][j - 1] + 2, min(dp[i - 1][j], dp[i][j - 1]) + 1); 和dp[i][j] = dp[i - 1][j - 1]可以看出dp[i][j]都是根据左上方、正上方、正左方推出来的。
所以遍历的时候一定是从上到下,从左到右,这样保证dp[i][j]可以根据之前计算出来的数值进行计算。
(5)举例推导dp数组
以word1:“sea”,word2:"eat"为例,推导dp数组状态图如下:
class Solution {
public int minDistance(String word1, String word2) {
//dp[i][j]:以i-1结尾的单词1,和以j-1结尾的单词2,要相同所需要删除元素的最小步数
int m = word1.length();
int n = word2.length();
int[][] dp = new int[m+1][n+1];
// 初始化
for(int i=0;i<=m;i++)
dp[i][0] = i;
for(int j=1;j<=n;j++)
dp[0][j] = j;
for(int i=1;i<=m;i++){
for(int j=1;j<=n;j++){
char c1 = word1.charAt(i-1);
char c2 = word2.charAt(j-1);
if(c1 == c2)
dp[i][j] = dp[i-1][j-1];
else
dp[i][j] = Math.min(dp[i-1][j],dp[i][j-1])+1;
}
}
return dp[m][n];
}
}
72. 编辑距离
题目链接:https://leetcode.cn/problems/edit-distance/description/
思路:
本题相对于刚刚的动态规划:300.最长递增子序列最大的区别在于“连续”。
本题要求的是最长连续递增序列。
动规五部曲:
(1)确定dp数组以及下标含义
dp[i][j] 表示以下标i-1为结尾的字符串word1,和以下标j-1为结尾的字符串word2,最近编辑距离为dp[i][j]。
(2)确定递归公式
首先,明确编辑的四种操作:不操作、增、删、换。
if (word1[i - 1] == word2[j - 1]) 那么说明不用任何编辑,dp[i][j] 就应该是 dp[i - 1][j - 1],即dp[i][j] = dp[i - 1][j - 1];
if (word1[i - 1] != word2[j - 1]),包括word1删除一个元素,或者word2删除一个元素。dp[i][j] = dp[i - 1][j] + 1; 或者 dp[i][j] = dp[i][j - 1] + 1;
因为删除和添加是同样的操作,所以只看删除了。还有替换元素,此时不用增删,p[i][j] = dp[i - 1][j - 1] + 1;
综上,即:dp[i][j] = min({dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]}) + 1;
(3)dp数组初始化
dp[i][0] :以下标i-1为结尾的字符串word1,和空字符串word2,最近编辑距离为dp[i][0]。
那么dp[i][0]就应该是i,对word1里的元素全部做删除操作,即:dp[i][0] = i;
同理dp[0][j] = j;
(4)确定遍历顺序
可以看出dp[i][j]是依赖左方,上方和左上方元素的,所以在dp矩阵中一定是从左到右从上到下去遍历。
(5)举例推导dp数组
以示例1为例,输入:word1 = “horse”, word2 = "ros"为例,dp矩阵状态图如下:
代码:
class Solution {
public int minDistance(String word1, String word2) {
int m = word1.length();
int n = word2.length();
int[][] dp = new int[m+1][n+1];
// 初始化
for(int i=0;i<=m;i++)
dp[i][0] = i;
for(int j=1;j<=n;j++)
dp[0][j] = j;
for(int i=1;i<=m;i++){
for(int j=1;j<=n;j++){
char c1 = word1.charAt(i-1);
char c2 = word2.charAt(j-1);
if(c1 == c2)
dp[i][j] = dp[i-1][j-1];
else{
// 添加和删除是同一个意思
// dp[i-1][j-1] + 1代表的是替换
dp[i][j] = Math.min(dp[i-1][j],Math.min(dp[i][j-1],dp[i-1][j-1])) + 1;
}
}
}
return dp[m][n];
}
}