leetcode——第71题——编辑距离

题目：
给你两个单词 word1 和 word2，请你计算出将 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

class Solution {
/*
动态规划五部曲

* 1、确定 dp 数组以及下标含义
  * dp[i] [j]  表示以下标 i-1 为结尾的字符串 word1 和 以下标 j-1 为结尾的字符串 word2，最少的编辑距离为 dp[i] [j]
  * 这部分题中有好多次出现表示的都是 i-1 和 j-1 ，这样为了将初始化和后面的递推相统一，简化操作。
* 2、确定递推公式
  * 在确定递推公式的时候，首先需要考虑清楚 以下 4 种情况。
  * 情况一：word1[i - 1] == word2[j - 1]
    * 不做任何操作，dp[i] [j] = dp[i - 1] [j - 1]
    * word1[i - 1] 与 word2[j - 1]相等了，那么就不用编辑了，
    * 就可以直接以下标 i-2 为结尾的字符串word1和以下标 j-2 为结尾的字符串word2的最近编辑距离dp[i - 1] [j - 1] 就是 dp[i] [j]了。
  * 情况二：word1[i - 1] != word2[j - 1]
    * 操作一：增
      * word1 增加一个元素，使 word1[i - 1] == word2[j - 1]，那么就是以下标为 i-2 为结尾的 word1 与 下标为 j-1 为结尾的 word2的最近编辑距离 加上1，表示为： dp[i] [j] = dp[i - 1] [j] + 1
    * 操作二：删
      * 这里要想明白一个点：**word2添加一个元素，相当于word1删除一个元素**
      * 对 word1 的删除操作，就相当于对 word2 添加元素，所以这种操作就可以表示为dp[i] [j] = dp[i] [j - 1] + 1
    * 操作三：换
      * word1 替换为 word[i - 1]，使其与 word2 [j - 1] 相同
      * 刚刚愣了一下神，在想为啥是 i -1 和 j -1，傻了吧，本来 dp 数组的定义就是这样呀，你在看看 dp 数组的定义嘛
      * 所以此时 dp[i] [j] = dp[i - 1] [j - 1] + 1
    * 综上，第二种情况下，要取三种操作的最小值。
      * dp[i] [j] = min({dp[i - 1] [j - 1], dp[i - 1] [j], dp[i] [j - 1]}) + 1;

* 3、dp 数组初始化
  * dp[i] [0]  ：以下标 i-1 为结尾的字符串word1，和 空字符串word2，最近编辑距离为dp[i] [0]， dp[i] [0] = i
  * dp[0] [j]  ：以下标 j-1 为结尾的字符串word2，和 空字符串word1，最近编辑距离为dp[0] [j]， dp[0] [j] = j

* 4、确定遍历顺序
  * 从递推公式可以看出，dp[i] [j] 是根据 左上方、正上方、正左方 推导出的，
  * 所以遍历顺序是 从上到下，从左到右。
*/
public:
    int minDistance(string word1, string word2) 
    {
        vector<vector<int>> dp(word1.size() + 1, vector<int>(word2.size() + 1, 0));
        for(int i = 1; i <= word1.size(); ++i)
        {
            dp[i][0] = i;
        }
        for(int j = 1; j <= word2.size(); ++j)
        {
            dp[0][j] = j;
        }
        for(int i = 1; i <= word1.size(); ++i)
        {
            for(int j = 1; j <= word2.size(); ++j)
            {
                // 这个下标又写错了 第好好好几次！看看 dp 数组的定义 ，是比较的 i-1 和 j-1 啦！！！
                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, dp[i - 1][j - 1] + 1});
                }
            }
        }
        return dp[word1.size()][word2.size()];
    }
};