代码随想录算法训练营DAY53|C++动态规划Part14|583.两个字符串的删除操作、72.编辑距离、编辑距离总结篇

⭐️583.两个字符串的删除操作

力扣题目链接

视频链接：LeetCode：583.两个字符串的删除操

文章链接：583.两个字符串的删除操作
状态：本题还是很舒服的其实，稍微绕一点的就是dp[i][j - 1] + 1 = dp[i - 1][j - 1] + 2。其实就是我们的dp[i][j-1]已经不靠里word2的j-1个字符了，在此基础上，如果再删除woed1的第 i -1个字符，实际就相当于达到了同时删除两个字符的效果，也就是操作数+1，即dp[i][j-1] + 1。

也就是说我们一定要分清楚删除元素和不考虑元素的差别。

本题其实和115.不同的子序列的思路是一样的，只不过两个字符串均可以进行删除动作

思路

• 确定dp数组含义及其下标

dp[i][j]：以i-1为结尾的字符串word1，和以j-1位结尾的字符串word2，想要达到相等，所需要删除元素的最少次数。

• 确定递推公式

其实基本思路与115.不同的子序列还是一样的，就是两点：

1. 当word1[i - 1] 与 word2[j - 1]相同的时候

dp[i][j] = dp[i - 1][j - 1]；

2. 当word1[i - 1] 与 word2[j - 1]不相同的时候

不相同的时候，就有以下三种情况了，

情况一：删word1[i - 1]，最少操作次数为dp[i - 1][j] + 1

情况二：删word2[j - 1]，最少操作次数为dp[i][j - 1] + 1

情况三：同时删word1[i - 1]和word2[j - 1]，操作的最少次数为dp[i - 1][j - 1] + 2

我们到底删哪个呢？直接取一个最小值。

• dp数组初始化

还是从递推公式推导，需要初始化dp[i][0]和dp[0][j]，

dp[i][0]：word2为空字符串，以i-1为结尾的字符串word1要删除多少个元素，才能和word2相同呢，很明显dp[i][0] = i。

dp[0][j]的话同理。

• 确定遍历顺序

从递推公式可以看出，从上到下，从左到右。

• 举例推导dp数组

CPP代码

class Solution {
public:
    int minDistance(string word1, string word2) {
        vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 1));
        for (int i = 0; i <= word1.size(); i++) dp[i][0] = i;
        for (int j = 0; j <= word2.size(); j++) dp[0][j] = j;
        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] = dp[i - 1][j - 1];
                } else {
                    dp[i][j] = min(dp[i - 1][j] + 1, dp[i][j - 1] + 1);
                }
            }
        }
        return dp[word1.size()][word2.size()];
    }
};

⭐️72.编辑距离

力扣题目链接

文章讲解：72.编辑距离

视频讲解：动态规划终极绝杀！ LeetCode：72.编辑距离
状态：写完了上一题再来写本题确实很舒服，卡哥的题目安排属于是相当的科学合理。

有了之前的392.判断子序列、115.不同的子序列、583.两个字符串的删除操作本题还是不算太难。

这里基于卡哥的文章，简单讲解一下思路（其实还是不太清楚为什么这类题叫编辑距离问题，我感觉应该叫子序列问题）

思路

• dp数组含义

dp[i][j] 表示以下标i-1为结尾的字符串word1，和以下标j-1为结尾的字符串word2，最近编辑距离为dp[i][j]。

• 确定递推公式

if (word1[i - 1] == word2[j - 1])
    不操作
if (word1[i - 1] != word2[j - 1])
    增
    删
    换

所以本题的动态规划我们需要考虑四种情况

1. 不操作

dp[i][j] = dp[i - 1][j - 1]

2. 增

首先我们需要明确，某个字符串添加一个元素，相当于某个字符串删除一个元素，例如 word1 = "ad" ，word2 = "a"，word1删除元素'd' 和 word2添加一个元素'd'，变成word1="a", word2="ad"， 最终的操作数是一样！

本质上来说，我们在代码中不进行元素的增加

3. 删

操作一：word1删除一个元素，那么就是以下标i - 2为结尾的word1 与 j-1为结尾的word2的最近编辑距离 再加上一个操作。即 dp[i][j] = dp[i - 1][j] + 1;

操作二：word2删除一个元素，那么就是以下标i - 1为结尾的word1 与 j-2为结尾的word2的最近编辑距离 再加上一个操作。即 dp[i][j] = dp[i][j - 1] + 1;

4. 换

只需要一次替换的操作，就可以让 word1[i - 1] 和 word2[j - 1] 相同。所以 dp[i][j] = dp[i - 1][j - 1] + 1;

对于if (word1[i - 1] != word2[j - 1])时的三个操作，我们取最小即可

if (word1[i - 1] == word2[j - 1]) {
    dp[i][j] = dp[i - 1][j - 1];
}
else {
    dp[i][j] = min({dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]}) + 1;
}

• 如何初始化

跟之前的、583.两个字符串的删除操作逻辑一致

for (int i = 0; i <= word1.size(); i++) dp[i][0] = i;
for (int j = 0; j <= word2.size(); j++) dp[0][j] = j;

• 确定遍历顺序

还是根据递推来的，从左到右从上到下去遍历。

• 打印

输入：word1 = "horse", word2 = "ros"为例，dp矩阵状态图如下：

CPP代码

class Solution {
public:
    int minDistance(string word1, string word2) {
        vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 1, 0));
        for (int i = 0; i <= word1.size(); i++) dp[i][0] = i;
        for (int j = 0; j <= word2.size(); j++) dp[0][j] = j;
        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] = dp[i - 1][j - 1];
                }
                else {
                    dp[i][j] = min({dp[i - 1][j - 1], dp[i - 1][j], dp[i][j - 1]}) + 1;
                }
            }
        }
        return dp[word1.size()][word2.size()];
    }
};

编辑距离总结篇

请移步到这篇文章：【数据结构与算法｜算法总结｜动态规划之编辑距离总结】