夜深人静写算法(二十二)- 最小编辑距离

63 篇文章 312 订阅 ¥999.99 ¥99.90

一、前言

  如果一块表走的不准,那它的每一秒都是错的,但如果这块表停了,那它起码每天有两次是对的;
  没错,清醒的停留胜过盲目的前行!
  及时回顾下自己这段时间学过的东西,并且加以总结,精益求精,总比学了一大堆,然后忘记在灯火阑珊处要好得多!

二、最小编辑距离的定义

  • 编辑距离是对两个字符串(或者序列)的差异化度量,看至少需要多少次的操作才能将一个字符串变成另一个字符串。我们一般所说的编辑距离就是指最小编辑距离。
  • 编辑距离可以应用于自然语言处理中,比如在拼写检查时可以根据一个拼错的词和其他正确的词的编辑距离大小,来判断哪个是比较可能的词。或者应用于生物学的 DNA 的相似程度判定、两段文本内容的 diff 等等。
  • 最小编辑距离和之前提到的最长公共子序列的问题有着异曲同工之妙,状态转移方程也比较类似。

1、莱文斯坦距离

  • 莱文斯坦距离,即 Levenshtein Distance,是指对于两个字符串(源字符串和目标字符串),由源字符串转变成目标字符串所需的最少编辑次数。允许的编辑操作包括以下三种:
  • 1)Replace:将源字符串中的一个字符替换成另一个字符;
  • 2)Insert:在源字符串中插入一
  • 4
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
树形动态规划(Tree DP)是一种解决树状结构问题的算法思想。它利用了树这种特殊的数据结构的性质进行求解,常用来解决树的最优路径、最大值、最小值等类型的问题。 在夜深人静的时候算法,我通常会采用以下步骤来完成树形dp的实现: 第一步是定义状态。我们首先需要确定问题的状态表示方式。对于树形dp来说,常用的状态表示方式是以节点为单位进行表示。我们可以定义dp[i]表示以节点i为根的子树的某种性质,比如最大路径和、最长路径长度等。 第二步是确定状态转移方程。根据问题的特点,我们需要找到状态之间的关系,从而确定状态转移方程。在树形dp中,转移方程常常与节点的子节点相关联。我们可以通过遍历节点的子节点,利用它们的状态来更新当前节点的状态,从而得到新的状态。 第三步是确定初始条件。在动态规划中,我们需要确定初始状态的值。对于树形dp来说,我们可以选择将叶节点作为初始状态,然后逐步向上更新,最终得到整棵树的最优解。 第四步是确定计算顺序。树形dp的计算通常是从根节点开始,自顶向下逐步计算,直到达到叶节点。因为树形dp的计算过程中需要利用到子节点的状态来更新当前节点的状态,所以必须按照计算顺序进行。 夜深人静时,算法树形dp是相对较复杂的算法,需要仔细思考问题的状态表示方式,转移方程以及初始条件。在实现过程中,可以采用递归的方式进行代码编,或者利用栈等数据结构进行迭代实现。 总的来说,夜深人静算法树形dp需要耐心和细心,经过思考和实践,才能顺利解决树状结构问题。但是,一旦理解并掌握了树形dp的思想和方法,就能够高效地解决各种树形结构问题,提升算法的效率和准确性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

英雄哪里出来

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值