动态规划---编辑距离

动态规划---把原问题分解为若干子问题 ----自底向上---求解最小子问题（结果储存在表格中）----求解大的子问题

（子问题间可能有重叠，不是相互独立的）

分治法-----把原问题分解为若干子问题------自顶向下解决子问题----合并子问题的解------得到原问题的解

（子问题之间均是独立）

算法要素：   最优子结构（问题的最优解包含其子问题的最优解）

解题秘籍： 1 分析最优解的结构特征

                  2  建立最优值的递归式

                  3 自底向上计算最优值  并记录

                  4  构造最优解

package com.duoduo.day316;
/**
	 * 编辑距离
	 * 两个字符串：将一个字符串变换为另一个字符串所需要的最小编辑操作；
	 * 3种对齐方式： 删除 -----插入-----替换
	 * @author 多多
	 *
	 */
import java.util.Scanner;
public class Test4_4_1 {
		public static void main(String [] args) {
			Scanner sc=new Scanner(System.in);
			System.out.println("输入字符串str1:");
			String str1=sc.next();
			System.out.println("输入字符串str2:");
			String str2=sc.next(); 
			System.out.println("str1和str2的编辑距离是:"+editDistance(str1,str2));
		}
		/*编辑距离*/
		public static int editDistance(String str1,String str2) {
			int len1=str1.length();
			int len2=str2.length();
			int [] [] d=new int [len1+1][len2+1];    //新建记录编辑距离的数组
			//初始化距离数组
			for(int i=0;i<=len1;i++)
				d[i][0]=i;
			for(int j=0;j<len2;j++)
				d[0][j]=j;
			
			//循环比较字符串
			for(int i=1;i<=len1;i++) {
				for(int j=1;j<=len2;j++) {
					int diff=0; 
					if(str1.charAt(i-1)==str2.charAt(j-1)) {   //相等则距离不变
						diff=0; 
					}else                                      //不等则距离+1
						diff=1;
					int temp=min(d[i-1][j]+1,d[i][j-1]+1);     //先两者取小值
					d[i][j]=min(d[i-1][j-1]+diff,temp);        //再取最小值
				}
			}
			return d[len1][len2];	                           //返回最终的编辑距离
		}
		private static int min(int i, int j) {
			return i>j?j:i;
		}
}

时间复杂度： 两个for 循环 双重for 循环 O(m*n)  m,n为字符串长度

空间复杂度：辅助数组 d O(m*n)