leetcode python Edit Distance

Minimum Path Sum

Given a m x n grid filled with non-negative numbers, find a path from top left to bottom right which minimizes
the sum of all numbers along its path.
Note: You can only move either down or right at any point in time.

题意

编辑距离（Edit Distance），又称Levenshtein距离，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。
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。一般来说，编辑距离越小，两个串的相似度越大。
例如将kitten转成sitting：
kitten->sitten （k→s）
sitten->sittin （e→i）
sittin->sitting （插入g）
俄罗斯科学家Vladimir Levenshtein在1965年提出这个概念。

思路

变的有4种方式：
解题思路：这道题是很有名的编辑距离问题。用动态规划来解决。状态转移方程是这样的：dp[i][j]表示word1[0…i-1]到word2[0…j-1]的编辑距离。
而dp[i][0]显然等于i，因为只需要做i次删除操作就可以了。同理dp[0][i]也是如此，等于i，因为只需做i次插入操作就可以了。

1
dp[i-1][j]变到dp[i][j]需要加1，因为word1[0…i-2]到word2[0…j-1]的距离是dp[i-1][j]，而word1[0…i-1]到word2[0…i-2]
需要执行一次删除，所以dp[i][j]=dp[i-1][j]+1；同理dp[i][j]=dp[i][j-1]+1，因为还需要加一次word2的插入操作。

2
如果word[i-1]==word[j-1]，则dp[i][j]=dp[i-1][j-1]，如果word[i-1]!=word[j-1]，那么需要执行一次替换replace操作，所以dp[i][j]=dp[i-1][j-1]+1。

总的难说难度蛮大的，dp不要混淆了。

python实现

class Solution:
    def minDistance(self, word1, word2):
        m = len(word1) + 1
        n = len(word2) + 1
        dp = [[0] * n for _ in range(m)]
        for i in range(n):
            dp[0][i] = i
        for i in range(m):
            dp[i][0] = i

        for i in range(1, m):
            for j in range(1, n):
                dp[i][j] = min(dp[i - 1][j] + 1, dp[i][j - 1] + 1,
                               dp[i - 1][j - 1] + (0 if word1[i - 1] == word2[j - 1] else 1))
        return dp[m - 1][n - 1]


if __name__ == '__main__':
    so = Solution()
    w1 = 'kitten'
    w2 = 'sitting'
    print(so.minDistance(w1, w2))