【动态规划】(一)编辑距离

动态规划算法之编辑距离

一、什么是编辑距离

编辑距离（Edit distance,简称EDS），就是求字符串s1到字符串s2的最少修改次数。每次修改的方式如下：
1.增加一个字符。如：$abc$ -> $abcd$
2.删除一个字符。如：$abc$ -> $ab$
3.修改一个字符。如：$abc$ -> $abd$

二、编辑距离怎么求

1.深搜枚举

深搜枚举的时间复杂度很高。假设字符串只有小写字母，最长的字符串长度为$n$，则时间复杂度为$O(26^n)$，远远超出题目范围。

2.动态规划（重点）

举个例子

以$has$与$have$为例，要求$has$与$have$的编辑距离，就可以把它转化成$has$与$hav$的编辑距离。那么我们就可以创建一个$dp$数组，其中，$dp[i][j]$表示从a串的第一个字符到第i个字符与b串第一个字符到第j个字符的编辑距离。如下图所示：

	^	h	a	v	e
^	0
h
a
s

第一步，$dp[0][0]$将更新为0。毕竟$空串$与$空串$与的编辑距离也是0嘛。

	^	h	a	v	e
^	0	1	2	3	4
h	1
a	2
s	3

第二步，更新$dp[0][j]$与$dp[i][0]$,其中，$dp[i][0]=i$,$dp[0][j]=j$。

	^	h	a	v	e
^	0	1	2	3	4
h	1	0
a	2
s	3

第三步，就要正式模拟了。先看$h$和$h$，由于他们相等，那就是$dp[i-1][j-1]$了，因为这两个字符相等，不用做任何改变。

	^	h	a	v	e
^	0	1	2	3	4
h	1	0	1
a	2
s	3

第四步，再看$h$和$a$，他们不相同，就要从$dp[i-1][j]$、$dp[i-1][j-1]$、$dp[i][j-1]$里面选一个最小值，加上1。加上一的原因是要对某个字符进行改变。

	^	h	a	v	e
^	0	1	2	3	4
h	1	0	1	2	3
a	2	1	0	1	2
s	3	2	1	2	2

第五步，以此类推。最后，$dp[alen][blen]$就是答案。

关键来了！

得出的转移方程：
1.$dp[i][j]=dp[i-1][j-1],a[i]=b[j]$
2.$dp[i][j]=min(dp[i-1][j-1],dp[i-1][j],dp[i][j-1])+1,a[i]!=b[j]$
边界值为：
$dp[i][0]=i,dp[0][j]=j$
上代码！

#include<iostream>
#include<cstring>
using namespace std;
int dp[105][105];
int min(int a, int b, int c){
	if(a < b){
		if(a < c)return a;
		return c;
	}
	if(b < c)return b;
	return c;
}
int main(){
	string s1, s2;
	cin >> s1 >> s2;
	int lena, lenb;
	lena = s1.length();//可用s1.size()代替，注意导入cstring库
	lenb = s2.length();
	if(s1[0] == s2[0]){
		dp[0][0] = 0;
	} else {
		dp[0][0] = 1;
	}
	for(int i = 0; i < lenb; i++){
		dp[0][i] = i;
	}
	for(int i = 0; i < lena; i++){
		dp[i][0] = i;
	}
	for(int i = 1; i < lena; i++){
		for(int j = 1; j < lena; j++){
			if(s1[i] == s2[j]){
				dp[i][j] = dp[i - 1][j - 1];
			} else {
				dp[i][j] = min(dp[i - 1][j], dp[i - 1][j - 1], dp[i][j - 1]) + 1;
			}
		}
	}
	cout << dp[lena][lenb];
	return 0;
}