⭐️583.两个字符串的删除操作
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:
- 当word1[i - 1] 与 word2[j - 1]相同的时候
dp[i][j] = dp[i - 1][j - 1]
;
- 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
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
- 不操作
dp[i][j] = dp[i - 1][j - 1]
- 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
- 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;
- 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】