LeetCode——072.编辑距离

72.编辑距离

题目

给你两个单词 word1 和 word2，请你计算出将 word1 转换成 word2 所使用的最少操作数 。

你可以对一个单词进行如下三种操作：

插入一个字符
删除一个字符
替换一个字符
 

示例 1：

输入：word1 = "horse", word2 = "ros"
输出：3
解释：
horse -> rorse (将 'h' 替换为 'r')
rorse -> rose (删除 'r')
rose -> ros (删除 'e')
示例 2：

输入：word1 = "intention", word2 = "execution"
输出：5
解释：
intention -> inention (删除 't')
inention -> enention (将 'i' 替换为 'e')
enention -> exention (将 'n' 替换为 'x')
exention -> exection (将 'n' 替换为 'c')
exection -> execution (插入 'u')

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/edit-distance
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

题解思路

1>源代码

class Solution:
    def minDistance(self, word1: str, word2: str) -> int:
        n = len(word1)
        m = len(word2)

        # 有一个字符串为空串
        if n * m == 0:
            return n + m

        # DP 数组
        DP = [[0] * (m + 1) for _ in range(n + 1)]

        # 边界状态初始化
        for i in range(n + 1):
            DP[i][0] = i
        for j in range(m + 1):
            DP[0][j] = j

        for i in range(1, n+1):
            for j in range(1, m+1):
                if (word1[i-1] == word2[j-1]):
                    DP[i][j] = 1 + min(DP[i - 1][j], DP[i][j - 1], DP[i - 1][j - 1] - 1)
                else:
                    DP[i][j] = 1 + min(DP[i - 1][j], DP[i][j - 1], DP[i - 1][j - 1])
        return DP[n][m]

2>算法介绍

本题不愧为困难题，我可谓是踩了很多坑。首先来分析一下题目，他要求我们求出两个字符串之间的编辑距离，允许我们增、删、改字符。在我经过了LeetCode的洗礼后，我很快就想到了使用动态规划的思路。令DP[i][j]表示表示 A 的前 i 个字母和 B 的前 j 个字母之间的编辑距离。很明显：

DP[0][0] = 0
DP[i][0] = i
DP[0][j] = j。

然后我们从DP[1][1]开始分析，存在两种情况：

1. A的第一个字符和B的第一个字符相同，DP[1][1] = 0
2. A的第一个字符和B的第一个字符不相同，DP[1][1] = 1

那么DP[i][j]呢？如果我们能得到DP[i-1][j], DP[i][j-1], DP[i-1][j-1]，就相当于我们得到了以下三种情况：

---

DP[i-1][j]	DP[i][j-1]	DP[i-1][j-1]
向A中插入一个元素就能得到B	从A中删除一个元素就能得到B	对A的末尾修改一个元素就能得到B

---

于是我们得出：

# A和B此时的最后一个元素相同
DP[i][j] = min(DP[i - 1][j] + 1, DP[i][j - 1] + 1, DP[i - 1][j - 1] - 1 + 1)

# A和B此时的最后一个元素不同
DP[i][j] = min(DP[i - 1][j] + 1, DP[i][j - 1] + 1, DP[i - 1][j - 1] + 1)

化简即可得到代码中的DP数组求解方法。

动态规划的情况有的时候容易把脑子想乱，在混乱纠结的时候不妨举一个比较简单明了的例子，例如本题中我们举例:

A = ‘ab’ B = ‘ac’

j\i	0	1	2
0	0	1	2
1	1	–	–
2	2	–	–

初始状态如上。当i = 1, j = 1时，A和B的字符相同，也就意味着不需要任何操作。

从公式的角度来说也不存在问题。

j\i	0	1	2
0	0	1	2
1	1	0	–
2	2	–	–

当i = 1, j = 2时，A的字符为a，B的字符为c，不相同，此时DP[1][2] = DP[1][1] + 1

相当于我们知道了A = a， B = a时候的编辑距离，那么我们就必然知道A = a, B = ac时候的编辑距离，因为只需要在A中加一个c即可。

i\j	0	1	2
0	0	1	2
1	1	0	1
2	2	–	–

---

往后也是同理，这一步DP[2][1] = DP[1][1] + 1

相当于我们知道了A = a， B = a时候的编辑距离，那么我们就必然知道A = ab, B = a时候的编辑距离，因为只需要在A中删掉一个b即可。

i\j	0	1	2
0	0	1	2
1	1	0	1
2	2	1	–

---

DP[2][2] = DP[1][1] + 1

这一步相当于我们知道了A = a, B = a时候的编辑距离，那么我们就必然知道A = ab, B = ac时候的编辑距离，因为只需要在A中把b改成c即可。

i\j	0	1	2
0	0	1	2
1	1	0	1
2	2	1	1

---

经过这样的推导，是不是对这个算法更加清晰了呢？