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:
- A的第一个字符和B的第一个字符相同,DP[1][1] = 0
- 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?