题目分析:
这一题是编辑距离,给定两个单词 word1 和 word2,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。
例如:
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’)
解题思路:
针对三种操作(插入一个字符、删除一个字符、替换一个字符。)可以得出三种修改A、B串的方式。我们从中间某一个位置考虑(不管前面的情况),假设这时在A串i位置,B串j位置。
- 把B串j位字符插入到A串i位处,之后仅需要计算A[i…lenA]和B[j + 1…lenB]的距离即可;
- 删除A串的i位字符,之后仅需要计算A[i + 1…lenA]和B[j…lenB]的距离即可;
- 修改A串的i位字符成B串的j位字符,之后问题变成仅需要计算A[i + 1…lenA]和B[j + 1…lenB]的距离即可。
根据上面这三种情况可以看出来此题应该用动态规划去解,这是一个经典的动态规划问题。
上面三句话写成dp公式就是dp[i][j] = min(dp[i - 1][j] + 1, dp[i][j - 1] + 1, dp[i - 1][j - 1] + (word1[i - 1] != word2[j - 1]))
,即每次取三种操作步骤最少的。这里dp[i][j],i,j的范围为len(word) + 1,为了方便在最外层表示了串长度为0的情况。我解释一下dp[i - 1][j - 1] + (word1[i - 1] != word2[j - 1]
,对于字符串word1,word2这里i-1,j-1才是我们计算的位置,所以word1[i - 1] != word2[j - 1]
是判断当前位如果不想等就是True(True = 1)那么就要执行替换操作,相等的时候False(False = 0)不执行替换操作,直接下一位。我参考的博客
图示:
测试代码:
class Solution:
def minDistance(self, word1: str, word2: str) -> int:
l1 = len(word1) + 1
l2 = len(word2) + 1
dp = [[0] * l2 for i in range(l1)]
for i in range(l1): dp[i][0] = i
for j in range(l2): dp[0][j] = j
for i in range(1, l1):
for j in range(1, l2):
dp[i][j] = min(dp[i - 1][j] + 1, dp[i][j - 1] + 1, dp[i - 1][j - 1] + (word1[i - 1] != word2[j - 1]))
return dp[-1][-1]
print(Solution().minDistance( word1 = "cafe", word2 = "coffee")) #提交时请删除该行