动态规划编译距离

最新推荐文章于 2024-10-02 23:40:03 发布

Hanknet

最新推荐文章于 2024-10-02 23:40:03 发布

阅读量811

点赞数 10

文章标签：动态规划算法 leetcode Powered by 金山文档

本文链接：https://blog.csdn.net/hanknet/article/details/129442808

版权

文章介绍了使用动态规划解决两个字符串的删除操作问题以及编辑距离问题。方法包括状态表示、状态计算和递推公式，通过比较字符是否相同来确定操作数，最终得到最小操作数。时间复杂度均为O(n*m)，空间复杂度也为O(n*m)。

摘要由CSDN通过智能技术生成

583. 两个字符串的删除操作

方法：dp

状态表示：以i-1和j-1为结尾的字符串world1和world2，抵达相同的字符串所需的最少操作数

属性：最小值

状态计算：world1[i-1]和world2[j-1]相同dp[i][j] = dp[i-1][j-1];

world1[i-1]和world2[j-1]不相同，删去world1:dp[i-1][j] + 1,就变为以i-2和j-1为结尾的字符串world1和world2，抵达相同的字符串所需的最少操作数；同理删除world2:dp[i][j-1] + 1;同时删除world1和world2:dp[i-1][j-1] + 2;

细心的话可以发现dp[i-1][j] + 1 = dp[i-1][j-1] = dp[i][j-1] + 1

所以递推公式dp[i][j] = min(dp[i-1][j] + 1, dp[i][j-1] + 1)

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

$时间复杂度O(n*m)，空间复杂度O(n*m);

方法2：dp

状态表示：以i-1和j-1为结尾的字符串world1和world2，最大的相同子序列的集合为dp[i][j]

class Solution {
public:
    int minDistance(string word1, string word2) {
        int n = word1.size(), m = word2.size();
        vector<vector<int>> dp(n + 1, vector<int> (m + 1, 0));
        for (int i = 1; i <= n; ++i)
            for (int j = 1; j <= m; ++j) {
                if (word1[i-1] == word2[j-1]) dp[i][j] = dp[i-1][j-1] + 1;
                else dp[i][j] = max(dp[i-1][j], dp[i][j-1]);
            }
        return n + m - dp[n][m] * 2;
    }
};

$时间复杂度O(n*m)，空间复杂度O(n*m);

72. 编辑距离

方法：dp

简单说一下增加和删除的效果是一样的所以就统一删除了

替换就是在dp[i-1][j-1]的基础上加一个操作

其他的都差不多

class Solution {
public:
    int minDistance(string word1, string word2) {
        int n = word1.size(), m = word2.size();
        vector<vector<int>> dp(n + 1, vector<int> (m + 1, 0));
        for (int i = 0; i <= n; ++i) dp[i][0] = i;
        for (int i = 0; i <= m; ++i) dp[0][i] = i;

        for (int i = 1; i <= n; ++i)
            for (int j = 1; j <= m; ++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], dp[i][j-1], dp[i-1][j-1]}) + 1;
            }
        return dp[n][m];
    }
};

$时间复杂度O(n*m)，空间复杂度O(n*m);