Leetcode算法——72、编辑距离（edit distance）

给定两个单词 word1 和 word2，找到将 word1 转化为 word2 所需的最少操作步数。（这个步数称为两个单词的编辑距离）

对一个单词可以执行以下三种操作：
1、插入一个字符
2、删除一个字符
3、替换一个字符

示例：

Example 1:
Input: word1 = "horse", word2 = "ros"
Output: 3
Explanation: 
horse -> rorse (replace 'h' with 'r')
rorse -> rose (remove 'r')
rose -> ros (remove 'e')

Example 2:
Input: word1 = "intention", word2 = "execution"
Output: 5
Explanation: 
intention -> inention (remove 't')
inention -> enention (replace 'i' with 'e')
enention -> exention (replace 'n' with 'x')
exention -> exection (replace 'n' with 'c')
exection -> execution (insert 'u')

思路

动态规划

我们要求的两个字符串的编辑距离，可以从两个字符串的子串的编辑距离得到。

设 $D(i,j)$ 为 word1 前i个字符和 word2 前j个字符的编辑距离。

那么有递推关系式：

$$D(i,j)=min\{\begin{array}{l}D(i-1,j)+1\\ D(i,j-1)+1\\ D(i-1,j-1)+\{\begin{array}{ll}0,& word1(i)==word2(j)\\ 1,& else\end{array}\end{array}$$

我们要求的是 $D(m,n)$，其中 m 和 n 分别为 word1 和 word2 的长度。

这样，最终会将 D 构成一个$m\ast n$的二维矩阵，从左上角开始，从上到下从左到右开始遍历，最后到右下角为止。右下角的值即为所求。

注意：在遍历之前，需要先对矩阵进行初始化：
$$\{\begin{array}{ll}D(i,0)=i,& i=1,...,m\\ D(0,j)=j,& j=1,...,n\end{array}$$
即：一个非空字符串和一个空字符串的编辑长度，就等于非空字符串的长度。

本算法时间复杂度为 $O(mn)$。

python实现

def minDistance(word1, word2):
    """
    :type word1: str
    :type word2: str
    :rtype: int
    动态规划。
    """
    m = len(word1)
    n = len(word2)
    # 初始化，D(i,0)=i, D(0,j)=j
    D = [[0] * (n+1) for _ in range(m+1)]
    D[0] = [i for i in range(n+1)]
    for i in range(m+1):
        D[i][0] = i
    # 迭代
    for i in range(1,m+1):
        for j in range(1,n+1):
            tmp1 = min(D[i-1][j], D[i][j-1]) + 1
            tmp2 = D[i-1][j-1] + (0 if word1[i-1] == word2[j-1] else 1)
            D[i][j] = min(tmp1, tmp2)
    return D[m][n]

if '__main__' == __name__:
    word1 = "intention"
    word2 = ""
    print(minDistance(word1, word2))