训练营打卡Day59
文章目录
题126:583. 两个字符串的删除操作
思路
- 首先创建一个二维数组 dp,dp[i][j] 表示 word1 的前 i 个字符和 word2 的前 j 个字符的编辑距离。初始化 dp[0][j] 和 dp[i][0],表示将 word2 的前 j 个字符变成空字符串,和将空字符串变成 word1 的前 i 个字符,需要的最小操作数分别为 j 和 i。
- 然后,对于 dp 数组的每一个位置 dp[i][j],如果 word1[i - 1] == word2[j - 1],说明 word1 和 word2 的这两个字符是相同的,不需要替换操作,dp[i][j] 取 dp[i - 1][j - 1] 的值。如果不相同,则需要通过删除或插入操作来达到目标字符串,dp[i][j] 取 dp[i - 1][j] + 1 和 dp[i][j - 1] + 1 两者中的最小值。
- 最后,返回 dp[word1.size()][word2.size()] 的值,即为 word1 和 word2 的编辑距离。
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()];
}
};
题127:72. 编辑距离
思路
采用动态规划的思想,通过 dp 数组记录从 word1 的前 i 个字符转换到 word2 的前 j 个字符需要的最小操作数,最后返回 dp[word1.size()][word2.size()] 即可。
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()+1; i++)
dp[i][0] = i;
for(int j = 0; j < word2.size() + 1; j++)
dp[0][j] = j;
for(int i = 1; i < word1.size()+1; i++)
for(int j = 1; j < word2.size() + 1; 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()];
}
};