前言
经过前期的数据结构和算法学习,开始以OD机考题作为练习题,继续加强下熟练程度。如果觉得文章不错,也可以关注下微信公众号:算法不是事
描述
Levenshtein 距离,又称编辑距离,指的是两个字符串之间,由一个转换成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符,插入一个字符,删除一个字符。编辑距离的算法是首先由俄国科学家 Levenshtein 提出的,故又叫 Levenshtein Distance 。
例如:
字符串A: abcdefg
字符串B: abcdef
通过增加或是删掉字符 ”g” 的方式达到目的。这两种方案都需要一次操作。把这个操作所需要的次数定义为两个字符串的距离。
要求:
给定任意两个字符串,写出一个算法计算它们的编辑距离。
数据范围:给定的字符串长度满足 1≤𝑙𝑒𝑛(𝑠𝑡𝑟)≤1000 1≤len(str)≤1000
输入描述:
每组用例一共2行,为输入的两个字符串
输出描述:
每组用例输出一行,代表字符串的距离
示例1
输入:
abcdefg
abcdef
输出:
1
实现原理
对于编辑距离的计算,我们使用一个二维数组来存储子问题的解。
1. 定义状态
我们用一个二维数组 dp
,其中 dp[i][j]
表示将字符串 str1
的前 i
个字符转换成字符串 str2
的前 j
个字符所需的最少编辑操作次数。
2. 状态转移方程
为了计算 dp[i][j]
的值,我们需要考虑字符串的最后一个字符。根据最后一个字符是否相同,有两种情况:
- 相同字符:如果
str1[i-1] == str2[j-1]
,则不需要任何操作,dp[i][j] = dp[i-1][j-1]
。 - 不同字符:如果
str1[i-1] != str2[j-1]
,则需要进行插入、删除或替换操作。取这三种操作的最小值:- 插入一个字符:
dp[i][j] = dp[i][j-1] + 1
- 删除一个字符:
dp[i][j] = dp[i-1][j] + 1
- 替换一个字符:
dp[i][j] = dp[i-1][j-1] + 1
- 插入一个字符:
因此,状态转移方程可以写为:
dp[i][j]={
dp[i−1][j−1] if str1[i−1]==str2[j−1]
min(dp[i−1][j]+1,dp[i][j−1]+1,dp[i−1][j−1]+1) if str1[i−1]!=str2[j−1]
}
3. 初始化
初始情况下,如果 str1
或 str2
为空字符串,则将 str1
转换成 str2
所需的编辑操作数就是另一个字符串的长度:
dp[i][0] = i
表示将str1
的前i
个字符转换为空字符串所需的删除操作次数。dp[0][j] = j
表示将空字符串转换为str2
的前j
个字符所需的插入操作次数。
实现代码
import java.util.Scanner;
// 注意类名必须为 Main, 不要有任何 package xxx 信息
public class Main {
public static void main(String[] args) {
Scanner in = new Scanner(System.in);
String word1=in.nextLine();
String word2=in.nextLine();
int len1=word1.length();
int len2=word2.length();
int[][] dp=new int[len1+1][len2+1];
//将 word1 的前 i 个字符变成空字符串需要 i 次删除操作
for(int i=0;i<=len1;i++){
dp[i][0]=i;
}
//将空字符串变成 word2 的前 j 个字符需要 j 次插入操作
for(int j=0;j<=len2;j++){
dp[0][j]=j;
}
for(int i=1;i<=len1;i++){
for(int j=1;j<=len2;j++){
if(word1.charAt(i-1)==word2.charAt(j-1)){
dp[i][j]=dp[i-1][j-1];
}else{
//分别对应word1移除一个字符,word2增加一个字符,word1和word2同时替换一个字符
dp[i][j]=Math.min(Math.min(dp[i-1][j]+1,dp[i][j-1]+1),dp[i-1][j-1]+1);
}
}
}
System.out.println(dp[len1][len2]);
}
}