经典dp--股票买卖系列之Go写法

在这里我目前碰到了一些比较像的字符串dp处理的问题，这些问题结构很相似，都是借助二维数组来保存状态，根据某种状态来转移更新。其中第一和二道题很类似，三和四类似

PS：画个矩阵出来比一比更加形象生动！！！

Edit Distance

编辑距离这道题连接和题目描述见原链接（标题）

首先，我们定义一个dp数组，大小为m = len(word1), n = len(word2)。dp[i][j]的含义表示子串word1[0:i]和word2[0:j]的最小编辑距离。

然后，我们可知操作主要有四种，也就是插入、删除、替换和什么都不搞，这四种操作我们可以看做获得最优解的一个状态，也就是说我们当前状态是通过这四种操作而获得。

所以我们有情况，当word1[i] == word2[j]时，dp[i][j]= dp[i-1][j-1], 因为两个相等了，就不需要操作了；当word1[i] != word2[j]时, 这是我们有三种操作可以选择，当然，我们求最小编辑距离，就是从三种操作中选择最小的那个：min(dp[i-1][j], dp[i][j-1],dp[i-1][j-1]) + 1

dp[i][j] = dp[i-1][j-1]      ,if word1[i] == word2[j] dp[i][j] = minValues(dp[i][j-1], dp[i-1][j], dp[i-1][j-1]) + 1   , otherwise

在这里特别说明一下dp[i][j-1]表示对word1进行插入，dp[i-1][j]表示对word1进行删除，dp[i-1][j-1]表示对word1进行替换

最后，我们需要明确一下边界，也就是初始值，我们需要对dp数组进行初始化，也就是dp数组大小是(m+1) x (n+1)的，初始化的值为对应的长度。举个简单的例子就是，假定word2长度为0，对于子串word1[0:i]对应的初始值dp[0][i] = i, 因为这个匹配是要不断删除word1字母，同理dp[i][0] = i

func minDistance(word1 string, word2 string) int {
   
    len1 := len(word1)
    len2 := len(word2)

    dp := make([][]int, len1+1)
    for i:=0; i<=len1; i++ {
   
        dp[i] = make([]int, len2+1)
    }

    // init 边界
    for i:=1; i<=len2; i++ {
   
        dp[0][i] = i
    }

    for i:=1; i<=len1; i++ {
   
        dp[i][0] = i
    }

    // finish init 

    for i:=1; i<=len1; i++ {
   
        for j:=1; j<=len2;j++ {
   
            // 根据状态转移方程计算dp[i][j]
            if word1[i-1] == word2[j-1] {
   
                dp[i][j] = dp[i-1][j-1]
            } else {
   
                dp[i][j] = minValues(dp[i][j-1], dp[i-1][j], dp[i-1][j-1]) + 1
            }
        }
    }
    return dp[len1][len2]
}

func minValues(values ...int)