1225: 字符串的修改

链接在这儿!

这其实是一道经典的题目——Edit distance

很自然地我们会想到，变换两个字符串所需的操作次数与这两个字符串的匹配程度有关。

举个栗子 SNOWY & SUNNY
以下是几种可能的情况
S – N O W Y
S U N N – Y
操作数：3

– S N O W – Y
S U N – – N Y
操作数：5

“–”意味着一次插入或删除操作。

当它们匹配程度最高时，便会有最小的操作数产生，如果你枚举的话，可以发现，第一种修改情况的操作数是最少的，没有比这更少的操作数：插入 $U$，将 $O \to N$，删除 $W$。

总而言之，两个字符串之间有很多种匹配方案，如果暴力搜索无疑是低效的。

在这里，我们引入一个全新的思考问题的视角：

我们把输入的两个字符串 $x_m$ 和 $y_n$ 表示为 $x[1···m]$ 和 $y[1···n] (m,n表示 x，y 的长度)$

想象一下，假设我们已经获得$x[1···i-1] 和 y[1···j-1]$、$x[1···i] 和 y[1···j-1]$、$x[1···i-1] 和 y[1···j]$匹配时的最小操作数，分别记为 $dp(i-1,j-1)、dp(i,j-1)、dp(i-1,j)$，
此时当我们要匹配$x[1···i] 和 y[1···j]$时，我们会面临如下3种选择：

1.删除$x[i]$

$x[i]$
$-$

2.插入$y[j]$

$-$
$y[j]$

3.$x[i]\to y[j]$

$x[i]$
$y[j]$

以下重点！
以第一种情况为例：删除$x[i]$，操作数为$1$，那么此时$x$的长度为$i-1$，很容易想到，此时的总操作数$dp(i,j)$恰恰就是在已知的$dp(i-1,j)$的基础上$+1$，同理第二、三种情况可得类似的结果。

题目要求最少的操作数，那么我们最好的方案便是在每一步时都求得最少的操作数，按以上思路继续，便可获得整体最小的操作数。（由于以上式子$i,j$为$1...m,1...n$中任意一个数，故以上思路存在普遍性）

即

$$dp(i,j)=min\{dp(i-1,j)+1,dp(i,j-1)+1,dp(i-1,j-1)+diff(i,j)\}$$

其中,当$x[i]!=y[i]$时，$diff(i,j)=1$，表示需要一次修改操作；当$x[i]==y[i]$时，$diff(i,j)=0$，表示此时不需要修改操作

如此，我们刚好可以用一个二维数组$dp[i][j]$表示$dp(i,j)$，让$i,j$分别从小到大循环，来处理$x[i]$和$y[i]$的情形。最后$dp[m][n]$即为所求的最小值。

伪代码可以这么写
$for\ i=0,1,2,...,m:$
$\ \ \ \ \ \ \ dp[i][0]=i$
$for\ j=0,1,2,...,n:$
$\ \ \ \ \ \ \ dp[0][j]=j$
$for\ i=1,2,...,m:$
$\ \ \ \ \ \ \ for\ j=1,2,...,n:$
$\ \ \ \ \ \ \ \ \ \ \ \ \ \ dp(i,j)=min\{dp(i-1,j)+1,dp(i,j-1)+1,dp(i-1,j-1)+diff(i,j)\}$

其实这种方法叫做动态规划 Dynamic programming，dp是它的缩写，同学们可以自己去了解一下这种思想方法。