思路:第一个方法递归,显然时间复杂度很高,果然不出所料超出时间限制。
class Solution {
int Sum(const string& a,const string& b,int i,int j)
{
if(i<0||j<0) return 0;
if(a[i]==b[j]) return 1+Sum(a,b,i-1,j-1);
else return max(Sum(a,b,i,j-1),Sum(a,b,i-1,j));
}
public:
int minDistance(string word1, string word2) {
return word1.size()+word2.size()-2*Sum(word1,word2,word1.size()-1,word2.size()-1);
}
};
第二个思路,就是动态规划了,dp[i][j]是指的字符串1的前i个字符与字符串2的前j个字符相匹配的最大个数
对于dp[i][j]来说他有三种途径得来:1.dp[i-1][j-1]而来,如果对于a[i-1]和b[j-1]相等,则dp[i][j]=dp[i-1][j-1]+1
2.不相等时,dp[i][j]也会取dp[i-1][j]和dp[i][j-1]的最大值,其实画个二维表就很好理解了。
class Solution {
public:
int minDistance(string word1, string word2) {
vector<vector<int>> dp(word1.size()+1,vector<int>(word2.size()+1));
for(int i=1;i<=word1.size();++i)
{
for(int j=1;j<=word2.size();++j)
{
if(word1[i-1]==word2[j-1])
dp[i][j]=1+dp[i-1][j-1];
dp[i][j]=max(max(dp[i][j],dp[i-1][j]),dp[i][j-1]);
}
}
return word1.size()+word2.size()-2*dp[word1.size()][word2.size()];
}
};
像对于求这种不连续的最大公共子串就用动态规划最好。