【LeetCode】583. 两个字符串的删除操作（中等）——代码随想录算法训练营Day55

题目链接：583. 两个字符串的删除操作

题目描述

给定两个单词 word1 和 word2 ，返回使得 word1 和  word2 相同所需的最小步数。

每步 可以删除任意一个字符串中的一个字符。

示例 1：

输入: word1 = "sea", word2 = "eat"
输出: 2
解释: 第一步将 "sea" 变为 "ea" ，第二步将 "eat "变为 "ea"

示例  2:

输入：word1 = "leetcode", word2 = "etco"
输出：4

提示：

• 1 <= word1.length, word2.length <= 500
• word1 和 word2 只包含小写英文字母

文章讲解：代码随想录

视频讲解：动态规划之子序列，还是为了编辑距离做铺垫 | LeetCode：583.两个字符串的删除操作_哔哩哔哩_bilibili

题解1：动态规划

思路：使用动态规划法求解子序列问题。

动态规划分析：

• dp 数组以及下标的含义：dp[i][j] 代表使得以 word1[i - 1] 和 word2[j - 1] 结尾的两个字符串相同的最小步数。
• 递推公式：word1[i - 1] 等于 word2[j - 1] 时，dp[i][j] = dp[i - 1][j - 1]；否则，dp[i][j] = Math.min(dp[i - 1][j] , dp[i][j - 1]) + 1。
• dp 数组初始化：dp[i][0] = i，dp[0][j] = j。
• 遍历顺序：从上往下，从左往右。
• 打印 dp 数组：以输入 word1 = "sea"、word2 = "eat" 为例，dp 数组为 [ [ 0, 1, 2, 3 ], [ 1, 2, 3, 4 ], [ 2, 1, 2, 3 ], [ 3, 2, 1, 2 ] ]。

/**
 * @param {string} word1
 * @param {string} word2
 * @return {number}
 */
var minDistance = function(word1, word2) {
    const dp = new Array(word1.length + 1).fill().map(() => new Array(word2.length + 1).fill(0));
    for (let i = 1; i <= word1.length; i++) {
        dp[i][0] = i;
    }
    for (let j = 1; j <= word2.length; j++) {
        dp[0][j] = j;
    }
    for (let i = 1; i <= word1.length; i++) {
        for (let j = 1; j <= word2.length; j++) {
            if (word1[i - 1] === word2[j - 1]) {
                dp[i][j] = dp[i - 1][j - 1];
            } else {
                dp[i][j] = Math.min(dp[i - 1][j] , dp[i][j - 1]) + 1;
            }
        }
    }
    return dp[word1.length][word2.length];
};

分析：时间复杂度为 O(m * n)，空间复杂度为 O(m * n)。

题解2：最长公共子序列

思路：可以先求出 word1 和 word2 的最长公共子序列，然后在删除最长公共子序列外的其他字母，即可得到相同的两个字符串。

/**
 * @param {string} word1
 * @param {string} word2
 * @return {number}
 */
var minDistance = function(word1, word2) {
    const dp = new Array(word1.length + 1).fill().map(() => new Array(word2.length + 1).fill(0));
    for (let i = 1; i <= word1.length; i++) {
        for (let j = 1; j <= word2.length; j++) {
            if (word1[i - 1] === word2[j - 1]) {
                dp[i][j] = dp[i - 1][j - 1] + 1;
            } else {
                dp[i][j] = Math.max(dp[i - 1][j] , dp[i][j - 1]);
            }
        }
    }
    return word1.length + word2.length - dp[word1.length][word2.length] * 2;
};

分析：时间复杂度为 O(n * m)，空间复杂度为 O(n * m)。

收获

练习使用动态规划法求解子序列问题，为编辑距离问题打基础。