动态规划问题系统---edit-distance

题目

给定2个字符串，str1，str2，求这两个字符串的最小Edit Distance；
Edit Distance：用于衡量两个strings之间的相似性。
两个strings之间的Minimum edit distance是指把其中一个string通过编辑（包括插入，删除，替换操作）转换为另一个string的最小操作数。

分析

那么如何找到两个strings的minimun edit distance呢？要知道把一个string转换为另一个string可以有很多种方法（或者说“路径“）。我们所知道起始状态（第一个string）、终止状态（另一个string）、基本操作（插入、删除、替换），要求的是最短路径。

对于如下两个strings：
X的长度为n
Y的长度为m
我们定义D（i，j）为 X 的前i个字符 X[1…i] 与 Y 的前j个字符 Y[1…j] 之间的距离，其中0<i<n, 0<j<m，因此X与Y的距离可以用D(n,m)来表示。
假如我们想要计算最终的D(n,m)，那么可以从头开始，先计算D(i, j) （i和j从1开始）的值，然后基于前面的结果计算更大的D(i, j)，直到最终求得D(n,m)。

递推公式：

dp[i][j]=min{
             dp[i-1][j]+1
             dp[i][j-1]+1；
             dp[i-1][j-1]+0    if(X[i]==X[j]
                         +1    if 不等
       }

初始化

dp[i][0]=i
dp[0][j]=j

实现

   public static int minDistance(String word1, String word2) {
        int m=word1.length();
        int n=word2.length();

        int[][] dp=new int[m+1][n+1];

        //初始化
        for(int i=0;i<=m;i++){
            dp[i][0]=i;
        }
        for(int j=0;j<=n;j++){
            dp[0][j]=j;
        }

        //递推
        for(int i=1;i<=m;i++){
            for(int j=1;j<=n;j++){
                int min=Math.min(dp[i-1][j]+1, dp[i][j-1]+1);
                if(word1.charAt(i-1)==word2.charAt(j-1)){
                    min=Math.min(min, dp[i-1][j-1]);
                }else{
                    min=Math.min(min, dp[i-1][j-1]+1);
                }

                dp[i][j]=min;
            }
        }

        return dp[m][n];
    }