编辑距离及问题延伸

编辑距离及问题延伸

由于最近在leetcode上刷题，这一阵又focus在了dynamic programming上面，动态规划一向就是面试的重点，而且题目难度普遍较大，难点并不在于像字符串数组中索引位置控制那种令人纠结的问题，更多是在思维上的深度，如果能够对问题进行很好的建模，代码通常会很简单，所以个人认为这类题目需要经常动笔写一写，从一些小例子出发寻求规律。

之前在上算法课的时候学习过动态规划的思想，而其中的编辑距离问题又是重中之重。恰好今天刷题的时候遇到了这类问题，所以动动笔，来总结一下。这是我的第一篇博客，希望能够开个好头。

编辑距离

又称Levenshtein距离（莱文斯坦距离也叫做Edit Distance），是指两个字串之间，由一个转成另一个所需的最少编辑操作次数，如果它们的距离越大，说明它们越是不同。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。这三个操作的代价被认为是相同的，记为1。

这个距离通常被用来度量两个字符序列的相似程度，在长度一定的情况下，修改最小次数越多，两个序列的相似程度越小。举个简单的例子：两个字符串，str1="beast"，str2="seat"。如果统计这个修改次数，我们可以删除str1的'b' 和 's'，删除str2的's'，共三次操作，虽然我们也可以删除"bea"和"ea"，保留"st"，但是这样的操作就需要5次，并不是最经济的。