LeetCode第72题--编辑距离

给定两个单词 word1 和 word2，计算出将 word1 转换成 word2 所使用的最少操作数 。

你可以对一个单词进行如下三种操作：
插入一个字符
删除一个字符
替换一个字符

示例 1:
输入: word1 = “horse”, word2 = “ros”
输出: 3
解释:
horse -> rorse (将 ‘h’ 替换为 ‘r’)
rorse -> rose (删除 ‘r’)
rose -> ros (删除 ‘e’)

示例 2:
输入: word1 = “intention”, word2 = “execution”
输出: 5
解释:
intention -> inention (删除 ‘t’)
inention -> enention (将 ‘i’ 替换为 ‘e’)
enention -> exention (将 ‘n’ 替换为 ‘x’)
exention -> exection (将 ‘n’ 替换为 ‘c’)
exection -> execution (插入 ‘u’)

/*
    动态规划问题:dp[i][j]表示word1前i个字符转化成word2前j个字符所需要的步骤
*/
class Solution {
public:
    int minDistance(string word1, string word2) {
        if(0 == word1.length() && 0 == word2.length()) return 0;
        if(0 == word1.length()) return word2.length();
        if(0 == word2.length()) return word1.length();
        int len1 = word1.length(), len2 = word2.length();
        vector<vector<int>> dp(len1+1, vector<int>(len2+1, 0));
        for(int i = 0; i <= len1; i++)
        {
            dp[i][0] = i;
        }
        for(int j = 0; j <= len2; j++)
        {
            dp[0][j] = j;
        }
        for(int i = 1; i <= len1; i++)
        {
            for(int j = 1; j <= len2; j++)
            {
                if(word1[i-1] == word2[j-1])
                {
                    //如果word1的第i个字符和word2的第j个字符相同（以1为下标为起始），那么长度为i的word1转换为
					//长度为j的word2需要进行的步骤数为 长度为i - 1的word1转换为长度为j - 1的word2的步骤数
                    dp[i][j] = dp[i-1][j-1];
                }
                else
                {
                    //如果word1的第i个字符和word2的第j个字符不相同（以1为下标为起始）
					//那么有三种操作将 长度为i的word1转换为长度为j的word2的步骤
					//第一种 在word1的第i个位置（以1为下标为起始）进行插入字符 dp[i][j - 1] + 1（先将长度为i的word1前i个转换为长度为j - 1的word2，在word1的第i插入一个字符，即可达到长度为i的word1匹配长度为j的word2）
					//第二种 将word1的第i个字符（以1为下标为起始）删除 dp[i - 1][j]（先将长度为i的word1前i - 1个字符转换为长度为j的word2，再将word1的第i删除，即可达到长度为i的word1匹配长度为j的word2）
					//第三种 将word1的第i个字符（以1为下标为起始）替换 dp[i - 1][j - 1] + 1（先将长度为i 的word1前i - 1个字符转换为长度为j - 1的word2，再将word1的第i个替换，即可达到长度为i的word1匹配长度为j的word2）
					//取三者的最小值
                    dp[i][j] = min(min(dp[i][j-1], dp[i-1][j]), dp[i-1][j-1])+1;
                }    
            }
        }
        return dp[len1][len2];
    }
};

典型的动态规划的问题，dp[i][j]表示word1的第i个字符转换成word2第j个字符所需的最小步数（字符从1开始计数）