【LeetCode】72. Edit Distance 解题报告（Python）

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。

1. 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；
2. 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；
3. 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

参考博客